基于人工智能的系统可以帮助脑部核磁共振分类

根据发表的一项研究，通过大脑MRIS自动通过脑中MRIS进行异常梳理的人工智能驱动系统可以为那些最需要的人提供速度放射学：人工智能。

MRI生产的详细图像脑它帮助放射科医生诊断各种疾病和损伤，如中风或头部损伤。它的越来越多的使用导致了图像超载，提出了迫切需要改进放射工作流程。自动识别医学图像中的异常发现提供了一种潜在的解决方案，可以改善患者护理并加速患者出院。

“越来越多的MRIS是在医院进行的，而且还有门诊病人，所以有一个真正需要改善放射学工作流程，”学习联合主导作者罗万·戈阿吉岛，博士。，前机Massachusetts综合医院和Brigham和Brigham和Brigham和女式医院临床数据科学中心的学习科学家。“这样做的一种方法是自动化一些过程，也有助于放射科医师优先考虑不同的考试。”

Dr. Gauriau, along with co-lead author Bernardo C. Bizzo, M.D., Ph.D., and colleagues, and in partnership with Diagnosticos da America SA (DASA), a medical diagnostics company in Brazil, developed an automated system for classifying brain MRI scans as either "likely normal" or "likely abnormal." The approach relies on a convolutional neural network (CNN), a sophisticated type of AI that allows the model to learn directly from the images.

研究人员对三个人进行了训练和验证大型数据集总共有超过9,000名从不同机构收集两大大陆的考试。

在初步测试中，该模型在区分可能的正常或异常检查方面表现较好。在不同时间段和不同机构获得的验证数据集上进行测试，突显了模型的泛化能力。据Gauriau博士说，这种系统可以作为一种分类工具，有可能改善放射学工作流程。

她说:“我们试图解决的问题非常、非常复杂，因为在核磁共振成像上有各种各样的异常。”“我们证明了这个模型有足够的前景，可以开始评估它是否可以用于临床环境。”

已经显示出类似的模型可以显着提高周转时间，以识别头部CTS和胸部X射线的异常。新模型通过确定附带发现，有可能进一步利用外科护理。偶然发现是与医生命令测试的原因无关的异常。

“说你摔倒并击中了你的头，然后去了医院，他们命令一个脑的MRI，”格拉奥博士说。“这种算法可以检测到秋季脑损伤是否有脑损伤，但它也可能检测到脑肿瘤等意外发现。有这种能力可以真正有助于改善患者护理。”

这项工作是首先利用大型和临床相关的数据集，并使用全卷MRI数据来检测整体大脑异常。研究中的下一步包括评估模型放射科医师的临床实用性和潜在价值。研究人员还希望发展超出“可能正常”或“可能的异常”的二元产出。

“这种方式，我们不仅可以具有二元成果，而且可能是为了更好地表征发现的类型，例如，如果异常更可能与肿瘤或炎症有关，”Gauriau博士说。“它对教育目的也可能非常有用。”

进一步的评估目前在巴西的受控临床环境中正在进行，以及来自DESA的研究合作者。

---

---