Innopolis Üniversitesi, Kazan Devlet Tıp Üniversitesi'nden araştırmacılar ve
Journal of dergisindeki bir makalede açıklanan bir deneydeDijital Görüntüleme, üç ila 30 yıllık mesleki deneyime sahip dört pratik radyolog katıldı. Çalışma sırasında bilim adamları, röntgeni incelerken doktorun bakışlarının nasıl hareket ettiğini kaydetti. Birincil analiz, uzmanın görüntüyü değerlendirmesinin ne kadar sürdüğünü ve doktorun hangi alanların dikkatini çektiğini gösterir. AI kullanılarak yapılan daha fazla analiz, temel kalıpları ortaya çıkardı.
Bir deneyi yürütmek için göz izleme sistemiyle donatılmış bir radyoloğun işyeri. Resim: Innopolis Üniversitesi
Radyologlardan 400 tanesini incelemeleri istendigöz takibi için ek olarak kurulu bir sistem ile özel bir cihazda göğüs organlarının görüntüleri. Innopolis Üniversitesi'nde U-Net sinir ağının değiştirilmiş bir mimarisine dayalı olarak geliştirilen bir algoritma, akciğer röntgenlerinde akciğerlerin konturunu belirledi ve doktorun baktığı akciğer görüntüsünün alanını ölçtü.
Ortalama olarak, radyologlar hastaların %55 ila %65'ini incelediler.röntgende akciğer alanı. Deney, doktorlar ne kadar çok görüntü yorumladıysa, akciğerlerin daha küçük bir bölümünü bir bakışla kapladıklarını ve otuz yıllık deneyime sahip en deneyimli radyoloğun bir bakışla akciğerlerin en küçük kapsama alanını gösterdiğini gösterdi.
Ilya Pershin, Araştırma Mühendisi, Tıpta Yapay Zeka Laboratuvarı, Innopolis Üniversitesi
Çalışma, her 100 içinincelenen görüntülerden, doktorun dikkat ettiği radyografi alanı ortalama% 1,3-7,6 oranında azaldı. Yorgunluğun röntgen analizi üzerindeki etkisi, görüntülerdeki tüm doktorlarda ve çeşitli patolojilerde, ancak farklı şekillerde gözlemlendi: tehlikeli değişiklik belirtileri varlığında, "yorgun" radyologlar bile görüntüleri daha dikkatli inceledi.
Doktorların gözlerinin sabitlendiği alanların değerlendirilmesine bir örnek. Resim: Innopolis Üniversitesi
Çalışmanın yazarları, eksikResimdeki patoloji, radyologların en sık yaptığı tıbbi hatalardan biridir. Yorgunluk ve diğer faktörlerin görüntü analizinin kalitesini nasıl etkilediğini anlamak, AI sistemlerini görüntü analizi için optimize etmeye yardımcı olacak ve radyologları doğru tanı koymaları için daha fazla bilgi ile destekleyecektir.
Daha fazla oku:
Jüpiter'in uydusundaki kırmızı çizgilerin sırrı ortaya çıkıyor
Migren ve baş ağrısına yeni bir açıklama bulundu
"İmkansız" gezegen bulundu. Modern bilime meydan okuyor