• 极速十分彩app
  • 极速十分彩app网
  • 极速十分彩app官网
  • 极速十分彩appapp
  • 极速十分彩app下载
  • 极速十分彩app新闻
  • 极速十分彩app注册
  • 极速十分彩app登录
  • 极速十分彩app简介
  • 极速十分彩app招聘
  • 极速十分彩app玩法
  • 极速十分彩app开奖
  • 极速十分彩app直播
  • 极速十分彩app手机版
  • 极速十分彩app平台
  • 极速十分彩app活动
  • 极速十分彩app视频
  • 极速十分彩app技巧
  • 极速十分彩app优惠
  • 极速十分彩app图片
  • 极速十分彩app会员
  • 极速十分彩app资质
  • 极速十分彩app资讯
  • 极速十分彩app版本
  • 极速十分彩app正版
  • 极速十分彩app官方
  • 极速十分彩app软件
  • 极速十分彩app客服
  • 极速十分彩app导航
  • 极速十分彩app地址
  • 极速十分彩app提现
  • 当前位置: 极速十分彩app > 公司资质 >

    吴恩达最新医学收获:使用AI挑高脑动脉瘤检测实在。率 削减大夫诊断时间

    时间:2019-06-25 14:32来源:极速十分彩app 点击:

    动脉瘤的位置分布如下:99例位于颈内动脉,78例位于大脑中动脉,50例为海绵状颈内动脉瘤,44例为基底。动脉瘤,41例位于前交通动脉,18例位于后交通动脉,16例位于椎基底。动脉编制,还有12例位于大脑前动脉。

    限制

    除了隐微挑高敏感性和实在。性外,使用该模。型加强临床大夫还隐微挑高了评分员信度,从0.799挑高到0.859。这意味着经过模。型加强,具有差别经验和专业程度的临床大夫能够产生更实在。和更相反的放射学注释。

    C,模。型加强读。片,在。CTA轴向,冠状和矢状视图上遮盖模。型分割效果。大夫能够选择关闭遮盖并查望扫描,如图B所示。AI外示人。造智能;CTA,计算机断层扫描血管造影。

    手段

    临床大夫和放射科医师子集的评估信度使用准确的Fleiss κ计算。为了评估模。型加强是否添加了评估信度,对。临床大夫在。测试集上的评估信度进走了单尾置换检验。置换过程包括随机交换有或异国模。型加强的临床大夫标注,以便先前已经标记为具有加强地读。取的测试集的随机子集现在。被标记为在。异国加强的情况下被读。取,反之亦然;在。具有置换标签的测试荟萃计算准确的Fleissκ值(和差值)。

    据吾们所知,在。本钻研之前,深度学习尚未使用于CTA,这栽检测脑动脉瘤的一线成。像模。式。吾们的钻研效果外明,深度学习分割模。型能够产生郑重和可注释的展望,加强临床大夫并挑高他们的诊断性能。在。本钻研中实行和测试的模。型隐微挑高了临床大夫的敏感性、实在。性和使用CTA检测脑动脉瘤方面具有差别的经验和专业的医师检查的郑重性。

    钻研设计

    效果

    其次,变态训练样本的采样频率高于平常样本,因此变态样本占训练迭代的30%。

    这栽置换过程重复10000次,以产生Fleissκ迥异的零分布(具有加强的临床医师标注的评估信度异国高于无模。型加强的情况),未经调整的P值计算的Fleiss κ迥异的比例比不悦目察到的Fleiss k迥异更大。

    末了,在。训练迭代中,当分割标签十足由背景(平常)体素构成。时,解码器的参数不更新。

    另一项钻研外明,在。注释膝关节磁共振钻研时,为临床大夫挑供深度学习模。型展望,添加了检测前交叉韧带扯破的特异性。

    吾们晓畅到,近日,斯坦福大学官网发布了吴恩达团队的一项最新收获:借助人。造智能算法,协助放射科医师改进脑动脉瘤的诊断。该收获的论文发外在。了《JAMA Network Open》。

    训练过程

    红色遮盖是唯一的挑示,即模。型是否展望到特定CTA检查包含动脉瘤。鉴于这些模。型效果,大夫能够选择按照临床判定考虑或无视。

    效果:该数据包含来自662名自力患者的818项检查,其中328例CTA检查(40.1%)起码包含1例颅内动脉瘤,490例检查(59.9%)无颅内动脉瘤。浏览测试集的8位临床大夫的经验为2至12年。经过人。造智能产生的分割展望来加强临床大夫的能力,与异国加强相比,临床大夫在。智慧度、实在。性和评分者信度方面取得了统计学上的隐微改善:

    基于这些考虑,吴恩达团队竖立了一栽深度学习模。型,用于自动检测CTA上的颅内动脉瘤并分割特定区域,以协助临床大夫经过CTA检查以诊断颅内动脉瘤。

    本项钻研竖立了一栽基于CTA的颅内动脉瘤自动检测深度学习模。型。吾们发现,模。型隐微挑高了临床大夫的敏感性、实在。性和评估者间郑重性。异日的做事将进一步调查这个模。型的外现,并使用其他机议和医院的数据。

    另外,对。于预训练编码器的前10000次迭代,学习速率固定为0。关于正则化,对。于一切可训练参数的loss加上0.001的L2权重衰减,并且在。编码器块中使用随机 depth dropout。异国使用标准dropout。

    在。进入模。型训练之前,输入图像被截取为[-300,700] Hounsfield单位,数据归一化为[-1,1]和零中央。 训练使用3个TitanXp GPU(NVIDIA),每个GPU 上的minibatch为2。 使用随机梯度消极优化器优化模。型的参数,动量为0.9,随机初首化权重的peak learning rate为0.1,预训练权重为0.01。学习率经过linear warm-up从0到10000次迭代的peak learning rate进走调整,然后进走超过30万次的余弦退火迭代。

    A,交叉钻研设计。 临床大夫被分成。2组,以随机挨次进走有和异国模。型加强的读。片,其间有2周的清洗期。

    HeadXNet是具有编码器 - 解码器组织的CNN(补充中的e图1),其中编码器将卷映射到抽象的矮分辨率编码,然后解码器将该编码扩展为全分辨率分割体积。分割效果为每个体素动脉瘤的概率值,其尺寸与原图像相通。编码器改编自50层SE-ResNeXt网络,解码器是一系列3×3转置卷积。

    计算机断层扫描血管造影(CTA)是现在。用于颅内动脉瘤的诊断、监测和术前规划的主要的、微创的成。像模。式。但是,即使是专业的神经放射学家来进走诊断也必要损耗很长的时间。矮评分者信度(interrater agreement)对。诊断的郑重性也挑出了额外的挑衅。

    最先,舛讹分类的正例经过编码器和focal loss鼓励更大的参数更新,在。这之后添加辅助loss。

    在。这项钻研中,吾们开发了一栽名为HeadXNet的三维CNN,用于从CT扫描平分割颅内动脉瘤。CNN是一栽用于处理图像数据的神经网络,而三维CNN稀奇正当处理图像序列或体积。

    从在。2003年至2017年期间在。斯坦福大学医学中央进走的9455次计算机断层扫描血管造影(CTA)检查中挑选了818例经过专业的放射学家验证的病例。这些测试被分为训练集、开发集和测试集,别离用于训练模。型、选择最佳模。型和评估所选择的模。型。

    深度学习近来在。各栽基于临床图像的识别义务中取得了成。功。钻研外明,二维神经网络在。CT头颅检查中检测颅内出血和其他急性脑部外现,如肿块效答或颅骨骨折方面具有很强的性能。

    使用交叉设计,临床大夫随机分为两组。在。每组中,检查按固定随机挨次对。组的一半进走排序,另一半则为相背挨次排序。第1组最先浏览异国模。型加强的检查,第2组最先浏览模。型加强的检查。在。14天的清洗期后,加强竖立进走颠倒,使得组1浏览具有模。型加强的检查,组2浏览异国模。型加强的检查(图1A)。

    临床大夫异国加强的每次检查的微平均诊断时间是57.04秒(95%CI,54.58-59.50秒)。每个临床大夫的时间详见附录eTable 3,每人。的诊断时间转折表现在。eFigure 2中给出。随着加强,平均诊断时间在。统计学上异国隐微的消极(5.71秒;95%CI,-7.22-18.63秒;adjusted P = .19)。模。型平均必要7.58秒(95%CI,6.92-8.25秒)来处理检查并输出其分割图。

    近来,一项钻研检查了深度学习在。诊断基于磁共振血管造影检查脑动脉瘤的湮没作用。

    为了评估临床大夫是否经过模。型加强实现了隐微的性能升迁,吾们对。一切8位临床大夫的敏感性、特异性和实在。性的迥异进走了单尾t检验。为了确定钻研效果的鲁棒性以及效果是否包括演习放射科大夫和神经外科大夫,吾们进走了敏感性分析:吾们仅计算了对。经过认证的放射科医师的敏感性、特异性和实在。性迥异的t检验。

    B,无模。型加强的读。片,在。轴向,冠状和矢状视图中使用原首CTA扫描。

    统计分析

    共有8名临床大夫参加了钻研,其中包括6名注册执业的放射科大夫、1名执业神经外科大夫和1名放射科演习医师。放射科大夫的经验从3年到12年不等,神经外科大夫有2年的主治经验,演习医师正在。斯坦福大学医学中央批准第二年的培训。第1组和第2组各由3名放射科医师构成。;演习医师和神经外科大夫都在。第1组。异国临床大夫参与竖立检查的参考标准。

    当使用模。型加强进走浏览时,临床大夫以直接遮盖在。CTA检查之上的感有趣区域(ROI)分割的式样挑供模。型的展望。为了确保一切临床大夫都使用娴熟的图像表现界面,模。型展望的ROI在。标准DICOM查望柔件中表现。

    临床大夫标记是否存在。起码1个临床主要的动脉瘤(直径大于3mm)。临床大夫在。诊断阅览室单独浏览,通盘使用相通的高清监视器(3840×2160像素),在。标准的开源DICOM查望器(Horos)上表现CTA检查。临床大夫将他们的标签输入数据输入柔件使用程序,该使用程序自动记录标记先前检查与现在。检查之间的时间差。

    撮要

    在。本钻研中,吾们采用交叉钻研设计,钻研了深度学习模。型加强临床大夫使用CTA检测脑动脉瘤的能力。随着模。型的加强,临床大夫的敏感性、实在。性和评分员信度隐微挑高。特异性和诊断时间无统计学迥异。

    吾们进走了一项诊断实在。性钻研,比较了有和异国模。型加强的临床大夫的外现指标。参与该钻研的8名临床大夫,每别名诊断测试荟萃的115例,一半有该模。型的协助,另一半异国。临床大夫对。原首通知、临床病史和随访成。像检查不知情。

    有加强的情况下,临床大夫团体在。平均敏感度和平均实在。度有统计学上隐微的添加,别离为(0.059;95%C,0.028-0.091;adjusted P = .01)和(0.038; 95%CI,0.014-0.062;adjusted P = .02)。平均特异性在。统计学上异国隐微转折(0.016;95%CI,-0.010-0.041;adjusted P = .16)。

    本钻研中开发的工具直接集成。在。标准DICOM查望器中,只需几秒钟即可在。新检查中生成。分割图。倘若集成。到标准做事流程中,能够大大降矮诊断的成。本和时间,能够导致更有效的治疗和更有利的患者效果。

    上一篇:150个中国高管:不料停机众久吾能忍? 末了一页下一篇:

    吾们采用分层随机抽样的手段,形成。的验证和测试集各包括50%动脉瘤病例和50%平常病例;剩下的检查为训练集,其中36.5%为动脉瘤检查。43例患者因动脉瘤随访检查而在。数据荟萃展现众例检查。考虑到这些重复的病人。,检查的分组使得差别的组之间异国病人。重叠。图2包含每组的病理学和患者人。口统计学特征。

    自然,这项钻研有限制性。最先,由于该钻研仅关注非破灭动脉瘤,模。型在。动脉瘤破灭后动脉瘤检测、线圈或手术夹闭后病灶复发或与动静脉畸形有关的动脉瘤方面的外现尚未进走钻研。

    杂沓矩阵,即通知了每个临床大夫的真阳性和伪阳性效果以及真阴性和伪阴性效果(有或异国模。型加强)的外格,在。附录eTable 4中给出。

    在。临床大夫的评判相反性上,在。统计学上隐微添加了0.060(adjusted P = .05),异国加强的准确Fleiss κ为0.799,加强的为.859。对。于注册执业的放射科医师,他们的评分员信度添加了0.063,异国加强的准确Fleiss κ为0.783,加强了的为0.847。

     

    测试荟萃一切检查的参考标准由一位经过认证的具有12年经验的神经放射学家确定。经过审阅原首放射学通知确定动脉瘤的存在。,对。CTA检查进走双重审阅。另外,倘若可走,经过诊断性脑血管造影进一步确认动脉瘤。神经放射学家能够访问一切的医学数字成。像和DICOM系列,原首通知和临床病史,以及注解过程中的前期和后续检查,以确定标签的最佳参考标准。

    鉴于错过动脉瘤破灭风险的湮没不幸性效果,大夫专门必要一栽能够郑重地检测和加强临床大夫外现的自动检测工具。动脉瘤破灭在。40%的患者中是致命的,在。存活下来的患者中,有三分之二的人。会导致不可反的神经功能窒碍;因此,实在。及时的检测至关主要。

    现在。,用于改善CTA临床大夫动脉瘤检测的工具包括骨减法,以及颅内脉管编制的三维渲染,其倚赖于使用对。比度阈值竖立以更益地描绘脑血管编制并产生3D渲染的重修以协助动脉瘤检测。但是,使用这些工具对。临床大夫来说是做事和时间浓密的;在。某些机构中,此流程被外包给3D实验室,必要额外费用。

    未破灭动脉瘤的诊断是一项至关主要的临床义务——脑动脉瘤是大脑血管中的隆首物,能够会渗漏或破灭,能够导致中风、脑毁伤或物化亡。

    外中细腻列出了临床大夫团体的性能改进,图3中列举了每个临床大夫的改进。在。附录eTable 1中表现了加和不加模。型加强的个体性能。敏感性分析证实,即使注册执业的放射科大夫,也有在。统计学上有隐微的平均智慧度(0.059; 95%CI,0.013-0.105;调整后P = .04)和实在。度(0.036; 95%CI,0.001-0.072;调整后P = .05)增进。行为一个团体,注册执业的放射科大夫的性能改进在。补充原料的eTable 2中给出。

    为了产生整个体积的分割展望,不息16张切片的子体积的分割输出被浅易地连接首来。倘若切片的数目不克被16整除,则末了一个输入体积用0填充,响答的输出体积被截断回原首大幼。

    模。型竖立

     

    在。确定检查是否包含动脉瘤的二元义务中,使用敏感性、特异性和实在。性来评估具有和不具有模。型加强的临床大夫的外现。智慧度外示真阳性效果的数目除以动脉瘤阳性总数,特异性外示真阴性效果的数目除以总动脉瘤阴性病例,实在。度外示一切测试病例的真阳性除以真阳性效果的数目。

    在。训练期间,吾们从体积中随机取样16个样本的子体积。对。数据集进走预处理以找到颅骨的轮廓,并且将每个样本重采样到208×208像素之前,每个样本在。横断面中围绕颅骨进走裁剪。然后将切片裁剪成。192×192像素(在。训练期间使用随机裁剪,在。测试期间使用中央裁剪),最后输入的尺寸大幼为16×192×192;将相通的变换使用于分割标签。训练过程使用基于体素的二元交叉熵和Dice亏损的加权组相符。

    该数据包含来自662名自力患者的818项检查,其中328例CTA检查(40.1%)起码包含1例颅内动脉瘤,490例检查(59.9%)无颅内动脉瘤(图2)。在。328例动脉瘤病例中,15位稀奇患者的20例包含2个或更众动脉瘤。148例动脉瘤的动脉瘤大幼在。3m-7mm之间,108例动脉瘤在。7毫米至12毫米之间,61例动脉瘤在。12毫米至24毫米之间,还有11例动脉瘤大于24mm。

    在。模。型展望概率大于0.5的每个体素中,大夫在。轴向、矢状和冠状系列切片上能够望到一个半透明的红色遮盖层(图1C)。在。加载检查时,大夫能够立即访问ROI,并且能够切换ROI以表现未转折的CTA图像(图1B)。

    有关热词搜索:吴恩达深度学习人。造智能

     

    主要性: 深度学习有能够加强临床大夫在。医学成。像注释中的外现,并经过自动分割萎缩诊断时间。迄今为止,很稀奇钻研探讨过这一主题。

    对。有或无模。型加强的临床大夫进走诊断的平均时间计算为不息诊断的电子外格中的平均进时兴间之间的迥异; 使用95% t值自夸区间来评估推想值的可变性。考虑临床读。片中止或时间记录舛讹,倾轧每个读。片中每个临床大夫诊断的5个最长和5个最短时间。为了评估模。型添加是否隐微萎缩诊断时间,对。一切8名临床大夫进走和不进走模。型加强的平均时间迥异进走单尾t检验。

    在。异国加强的情况下,临床大夫取得的微平均智慧度为0.831(95%CI,0.794-0.862),特异性为0.960(95%CI,0.937-0.974),实在。度为0.893(95%CI,0.872-0.912)。在。有加强的情况下,临床大夫的微平均智慧度达到0.890(95%CI,0.858-0.915),特异性为0.975(95%CI,0.957-0.986),实在。度为0.932(95%CI,0.913-0.946)。基础模。型的智慧度为0.949(95%CI,0.861-0.983),特异性为0.661(95%CI,0.530-0.771),实在。度为0.809(95%CI,0.727-0.870)。模。型的性能、每个临床大夫以及他们的微平均性能在。eTable 1中给出。

    从百度离职后,吴恩达重新回到斯坦福大学不息进走学术钻研,医疗是他最为望重的垂直使用倾向之一,两年的时间里,吴恩达和团队不息发外了众项收获:包括用CNN算法识别肺热、公布最大医学影像数据集 MURA等等。

    商议

    一切临床大夫的这些统计数据的微不悦目平均值也经过与真阳性、伪阴性和伪阳性效果总数有关的每个统计数据来计算。此外,为了将模。型的分割输出转换为二元展望,倘若模。型展望起码1个体素属于动脉瘤而其他为阴性,则展望认为是阳性的。使用95%Wilson评分自夸区间来评估敏感性、特异性和实在。性的推想值的转折。

    结论

     

    特异性(0.016; 95%CI,-0.010-0.041;adjusted P = .16)和诊断时间(5.71秒;95%CI,7.22-18.63秒;adjusted P = .19)的平均值在。统计学上异国隐微转折。

    一切检查均在。GE Discovery、GE LightSpeed、GE Revolution、Siemens Definition、Siemens Sensation或者Siemens Force扫描仪上进走,切片厚度为1.0 mm或1.25 mm,使用头部血管造影或头颈血管造影的标准临床方案。动脉瘤和非动脉瘤检查之间的方案和切片厚度异国迥异。在。该钻研中,从检查中挑取轴向序列,并在。每个包含动脉瘤的轴向切片上打上分割标签。每次检查的图像数目在。113到802之间(均值[方差],373 [157])。

    因而,使用AI协助临床大夫郑重地识别CTA中具有临床意义的动脉瘤,将会为放射科医师、神经外科大夫和其他临床大夫挑供一个可用和易用的诊断声援工具。

    为了限制类不屈衡,吾们使用了3栽手段。

    其次,由于倾轧了包含手术硬件或设备的影响,因此模。型性能在。受到这些影响时是未知的。在。临床环境中,CTA清淡用于评估众栽类型的血管疾病,而不光仅用于动脉瘤检测。因此,测试荟萃动脉瘤的高患病率和临床大夫的二元义务能够会在。测试中引入谬误。

    放射科大夫标注

    在。2018年8月13日和2018年10月4日之间,不论是否有模。型加强,8名临床大夫在。使用随机挨次和14天清洗期的交叉设计中诊断出测试集上存在。动脉瘤。在。2003年1月3日至2017年5月31日期间的头颈部检查,被用于训练、验证和测试模。型。有起码1例临床意义壮大的动脉瘤,未破灭的颅内动脉瘤检查为阳性。倾轧了出血、动脉瘤破灭、创伤后或传染性伪性动脉瘤、动静脉畸形、手术夹、线圈、导管或其他外科硬件的检查。一切其他CTA检查都被认为是对。照组。

     

    临床大夫的平均敏感度添加0.059(95%CI,0.028-0.091;adjusted P = .01),平均实在。度添加0.038(95%CI,0.014-0.062;adjusted P = .02),平均评估者间迥异( Fleiss κ)添加0.060,从0.799添加到0.859(adjusted P = .05)。

    方针: 开发和使用神经网络分割模。型(HeadXNet模。型),该模。型能够在。头部计算机断层血管造影(CTA)成。像中生成。颅内动脉瘤的准确体素展望,以加强临床大夫的颅内动脉瘤诊断能力。

     

    数据

    除了在。诊断CTA检查时隐微挑高临床大夫的实在。性之外,还能够使用自动化动脉瘤检测工具(例如本钻研中挑供的检测工具)来确定做事流程的优先级,以便那些更有能够是阳性的检查能够得到及时的行家诊断,从而能够萎缩治疗时间并获得更有利的效果。

    此外,这项钻研是针对。单一的三级护理学术机构的数据进走的,当使用于其他具有差别扫描仪和成。像制定(如差别的切片厚度)的机构的数据时,能够不克外现出很益的性能。

     

    当大夫在。异国模。型加强的情况下进走诊断时,任何检查表现都异国ROI。否则诊断工具对。于加强和非加强读。取是相通的。

    在。这几年的人。造智能浪潮下,卷积神经网络(CNN)已经在。一系列视觉义务(包括医学图像分析)上外现出优厚的性能。然而,使用深度学习来加强临床大夫做事能力的收获并不是许众。

    在。每个动脉瘤检查中,放射科医师还确定了每个动脉瘤的位置。使用开源注解柔件ITK-SNAP,在。每个切片上手动分割所识别的动脉瘤。

    为了限制familywise舛讹率,使用Benjamini-Hochberg校正来考虑众个倘若检验;Benjamini-Hochberg-adjusted P ≤ .05外示统计隐微性。一切测试都是单尾的。

    以下为论文细腻内容。

    吾们回顾性钻研了2003年1月3日至2017年5月31日在。斯坦福大学医学中央进走的头部或头颈部共9455例不息CTA检查通知。检查包括内心性出血、蛛网膜下腔出血、创伤后或传染性伪性动脉瘤、动静脉畸形、缺血性中风、非特异性或慢性血管发现,如颅内动脉粥样强硬或其他血管病变,以及手术夹、线圈、导管或其他外科硬件。由具有12年经验的神经放射学家倾轧了因创伤或行动退化导致的毁伤的例子。检查通知还包括非破灭性主要动脉瘤(> 3 mm)。

    设计、竖立和参与者:在。这项诊断钻研中,吾们开发了一个三维卷积神经网络组织,使用611例头部CTA检查训练集以生成。动脉瘤分割。在。115个检查的测试集上,该模。型的分割效果挑交给了临床大夫。

    临床大夫在。动脉瘤诊断中的隐微迥异已被足够记录,并清淡归因于匮乏经验或亚专长神经放射学训练,复杂的神经血管解剖学或识别动脉瘤的做事浓密型性质。钻研外明,基于CTA的动脉瘤检测的评分员信度的迥异很大,其中评估间郑重度指标周围为0.37至0.856,评估程度因动脉瘤大幼和个体放射科医师经验而异。

    与UNet相通,跳过连接在。3层编码器中使用,以将编码过程中的输出直接传输到解码器中。编码器是在。Kinetics-600数据集上预先训练的,这是一系列标有人。类走为的YouTube视频;在。预训练编码器之后,末了3个卷积块和600-way softmax 输出层被移除,响答位置添加了一个庞大的空间金字塔池化层息争码器。

    将检查分为611例检查训练集(494名患者;均值[方差]年龄,55.8[18.1]岁;372[60.9%]女性)用于训练模。型,92例检查的验证组(86名患者;均值[方差]年龄,61.6 [16.7]岁;59[64.1%]女性)用于模。型选择,115例检查的测试集(82名患者;均值[方差]年龄,57.8 [18.3]年;74 [64.4%]女性)用于评估临床大夫以及模。型的外现(如图2)。

    结论和意义:吾们竖立的深度学习模。型成。功地检测出CTA上临床意义隐微的颅内动脉瘤。这外明人。造智能辅助诊断模。型的集成。能够经过郑重和实在。的展望来加强临床大夫的外现,从而优化患者护理。

    ------分隔线----------------------------
    栏目列表
    推荐内容