数据：
一种新型人工智能模型能从超声波视频中检测出肺部疾病，准确率为96.57%。该模型能区分肺炎、COVID-19及其他肺部疾病。通过结合卷积神经网络（CNN）与长短期记忆（LSTM）模型，创造出名为TD-CNNLSTM-LungNet的新模型，其召回率高达96.51%，几乎没有假阴性结果。
线索：
新型AI技术在肺病诊断中显示出巨大潜力，能够提升诊疗效率和准确性。然而，医疗行业对新兴的AI工具仍存有怀疑，对其实际应用效果需持续关注和评估。此技术的普及可能会改变传统诊断模式，为投资医疗科技的公司提供机会，同时也需关注其在临床应用中的安全性和可靠性。
正文：
一种突破性的新型人工智能模型能够通过超声波视频检测不同的肺部疾病，其准确率高达96.57%。该模型的开发涉及澳大利亚的查尔斯-达尔文大学、联合国际大学和澳大利亚天主教大学，能够识别不同肺部疾病之间的特定模式，超越了之前在相同数据集上测试的人工智能工具的表现。
研究报告的合著者、查尔斯-达尔文大学的教授Niusha Shafiabady表示，这个模型向放射科医生展示其决策依据，易于理解，并能够快速准确地诊断疾病，节省时间并可作为培训工具。
该模型结合了卷积神经网络（CNN）和长短期记忆（LSTM）模型的优势，称为TD-CNNLSTM-LungNet，能够有效发现异常并解释原因。它可以辨识扫描结果是否为肺炎、COVID-19、其他肺部疾病或正常。其\”召回\”率达到96.51%，几乎消除了假阴性结果，这对于及时治疗肺部疾病至关重要。
通过利用现有数据集的超声波视频，这种模型的表现超越现有的人工智能诊断工具，后者得分率大约在90-92%之间。尽管AI诊断在未来可能会广泛应用，但人们对该技术的信任和接受度仍需时间。
例如，一年前，美国食品和药物管理局批准了利用AI的DermaSensor设备，能够检测多达200种皮肤癌。虽然这些工具并不替代专业人员，但它们是医学领域经济实惠且有效的技术之一。
这个新的肺部疾病AI模型能够识别如COVID-19和肺炎之间的细微差别，能够生成报告解释扫描结论的依据。研究人员强调，模型的可解释性提高了其可靠性，利用热图展示决策依据，提升临床透明度。
2024年，Google在医疗及AI领域进展显著，并显示出在检测脑肿瘤和癌症方面的应用潜力。这一模型有可能被进一步开发，以评估CT扫描和X射线等其他检查结果。研究人员希望通过合适的数据训练该模型，更准确地发现如肺结核、黑肺及慢性肺病等疾病的迹象。
发布时间：
2025-01-24 16:39:00
评论 ( 0 )