首页 > 医疗资讯/ 正文
基于内容的图像检索(CBIR)是机器学习的一种应用,可缓解手动在大型数据库中搜索数字图像的挑战。与分析文本、关键词或其他元数据的传统搜索技术相比,CBIR分析的是图像的 "内容"。一般来说,CBIR允许自动搜索与所选图像或图像的一部分相似的图像。此外,这种搜索可以通过添加传统的非成像信息来缩小范围,并且特定的CBIR系统是根据这种数据训练而成的。在放射学领域,它允许放射科医生查询当前研究中的图像,并自动接收来自本地图片存档和通信系统(PACS)或在线图像数据库的类似病例。除了提供类似病例外,一些CBIR系统还提供特定病例的教育内容或与病例相关的在线教育信息链接,这将有助于放射科医生缩小鉴别诊断的范围。
到目前为止,评估CBIR系统在临床环境中价值的相关研究十分稀少。近日,发表在European Radiology杂志的一项研究评估了CBIR诊断支持系统(CBIRS)对放射科医生评估疑似DPLDs患者胸部CT扫描的阅读时间和诊断准确性的影响,为减轻放射科医生工作负担及诊断准确性提供了技术支持。
本研究由8名放射科医生(4名住院医生,4名主治医生,阅读胸部CT扫描的中位年限分别为2.1±0.7和12±1.8)共阅读了108张回顾性收录的胸部CT扫描图像,其中有22个独特的、经临床和/或组织病理学验证的诊断结果。放射科医生在一个经过认证的放射科工作站阅读并提供疑似诊断,以模拟临床常规工作。一半的阅读者是在没有CBIRS的情况下进行的,一半是在CBIRS的支持下进行的。CBIRS从6542张薄层CT扫描的大型数据库中检索出19种肺部特定模式中最有可能的模式,并提供相关信息。
尽管当CBIRS可用时,放射科医生仍更频繁地搜索额外的信息(154 [72%] vs. 95 [43%], p < 0.001),但阅读时间减少了31.3%(p < 0.001)。当CBIRS可用时,总体诊断准确性有提高的趋势(42.2% vs 34.7%,p = 0.083)。
图 在基线和干预阶段的全部阅读时间的模型,置信度为95%
本研究表明,在阅读疑似DPLD患者的胸部CT时,如果有CBIRS辅助的情况下,尽管阅读者更频繁地搜索额外的信息,但总体上阅读时间减少了31%,同时存在改善诊断准确性的趋势。
原文出处:
Sebastian Röhrich,Benedikt H Heidinger,Florian Prayer,et al.Impact of a content-based image retrieval system on the interpretation of chest CTs of patients with diffuse parenchymal lung disease.DOI:10.1007/s00330-022-08973-3
- 搜索
-
- 1000℃李寰:先心病肺动脉高压能根治吗?
- 1000℃除了吃药,骨质疏松还能如何治疗?
- 1000℃抱孩子谁不会呢?保护脊柱的抱孩子姿势了解一下
- 1000℃妇科检查有哪些项目?
- 1000℃妇科检查前应做哪些准备?
- 1000℃女性莫名烦躁—不好惹的黄体期
- 1000℃会影响患者智力的癫痫病
- 1000℃治女性盆腔炎的费用是多少?
- 标签列表
-
- 星座 (702)
- 孩子 (526)
- 恋爱 (505)
- 婴儿车 (390)
- 宝宝 (328)
- 狮子座 (313)
- 金牛座 (313)
- 摩羯座 (302)
- 白羊座 (301)
- 天蝎座 (294)
- 巨蟹座 (289)
- 双子座 (289)
- 处女座 (285)
- 天秤座 (276)
- 双鱼座 (268)
- 婴儿 (265)
- 水瓶座 (260)
- 射手座 (239)
- 不完美妈妈 (173)
- 跳槽那些事儿 (168)
- baby (140)
- 女婴 (132)
- 生肖 (129)
- 女儿 (129)
- 民警 (127)
- 狮子 (105)
- NBA (101)
- 家长 (97)
- 怀孕 (95)
- 儿童 (93)
- 交警 (89)
- 孕妇 (77)
- 儿子 (75)
- Angelababy (74)
- 父母 (74)
- 幼儿园 (73)
- 医院 (69)
- 童车 (66)
- 女子 (60)
- 郑州 (58)