Artificial intelligence-based algorithms in detection and 3D reconstruction of lung nodules on chest computed tomography scans

Le résumé fourni par la source

ЦЕЛЬ ИССЛЕДОВАНИЯ Разработка и изучение функциональности и диагностической точности системы компьютерного зрения на основе алгоритмов искусственного интеллекта для детекции солидных и субсолидных узловых образований при компьютерном томографическом исследовании грудной клетки. МАТЕРИАЛ И МЕТОДЫ Построение модели компьютерного зрения осуществляли с использованием архитектур глубоких сверточных нейронных сетей, в обучении и тестировании системы применяли 1367 обезличенных полносрезовых компьютерных томографических исследования грудной клетки. РЕЗУЛЬТАТЫ Разработанная модель с высокой точностью, соответствующей AUC ROC 0,9127, прогнозирует вероятность злокачественных изменений в томографическом исследовании при пороговых значениях на выходных нейронах сети в диапазоне от 0,25 до 0,30; корректно сегментирует легочные поля, узловые образования легких размером 5 мм и более; осуществляет объемную реконструкцию легких с контрастной визуализацией находок в них. Создана эффективная и функциональная интеграционная схема, позволяющая внедрить модель в рабочий процесс рентгенолога. ЗАКЛЮЧЕНИЕ Система компьютерного зрения на основе алгоритмов сверточных искусственных нейронных сетей позволяет эффективно детектировать узловые образования легких на томографических срезах грудной клетки, визуализировать их в форме объемной реконструкции легких. Разработанная интеграционная модель представляет собой удобный инструмент встраивания нейросетевого сервиса в рабочий процесс отделения лучевой диагностики.

Ce résumé expose les affirmations des auteurs. BNTIC ne l’interprète pas comme une validation indépendante des résultats.