文献速递技术与安全

放射学中基于人工智能的图像分析实用指南

A Practical Guide to Artificial Intelligence-Based Image Analysis in Radiology.
PubMed 文献 · Invest Radiol · 2020-01-01

本文为综述,旨在引导读者了解放射学中人工智能自动图像分析项目的完整流程,并鼓励在放射科实施。同时帮助读者批判性评价放射学中基于人工智能的软件相关文献。文章指出这些方法最初为非医学图像数据开发,且放射科数据尚不具备人工智能就绪条件。

要点

  • 综述按项目流程梳理放射学人工智能图像分析的实施路径。
  • 放射科数据尚未达到人工智能就绪状态,实施并非直接可行。
  • 文章旨在帮助读者批判性评价人工智能软件相关文献。

核心结论

  • 综述引导读者了解放射学自动图像分析人工智能项目的完整流程,以鼓励在放射科实施。
  • 文章同时旨在使读者能够批判性评价放射学中基于人工智能的软件相关文献。

研究设计与样本

  • 综述,检索范围与纳入文献原文未报告。

临床应用与阅片要点

  • 原文旨在引导读者了解人工智能图像分析项目的流程,并鼓励在放射科实施。
  • 原文旨在帮助读者批判性评价放射学中基于人工智能的软件文献。

局限性

  • 原文指出这些人工智能方法是为非医学图像数据的分析而开发的。
  • 原文指出放射科的数据结构尚不具备人工智能就绪条件,因此实施人工智能并非直接可行。

以上解读依据论文摘要(全文未开放获取或许可不允许翻译转载)。

英文原文(摘要)· 点击展开

The use of artificial intelligence (AI) is a powerful tool for image analysis that is increasingly being evaluated by radiology professionals. However, due to the fact that these methods have been developed for the analysis of nonmedical image data and data structure in radiology departments is not "AI ready", implementing AI in radiology is not straightforward. The purpose of this review is to guide the reader through the pipeline of an AI project for automated image analysis in radiology and thereby encourage its implementation in radiology departments. At the same time, this review aims to enable readers to critically appraise articles on AI-based software in radiology.

来源:Invest Radiol,查看原文。版权归原作者所有。

引用

  1. Weikert T, Cyriac J, Yang S, et al. A Practical Guide to Artificial Intelligence-Based Image Analysis in Radiology. Invest Radiol. 2020. PMID: 31503083. doi:10.1097/RLI.0000000000000600

供执业医师工作参考,不替代临床判断;数值与分级以指南原文为准。