皇冠hga025大学洛杉矶分校的研究人员开发了一种新的人工智能系统，以帮助放射科医生提高诊断前列腺癌的能力. The system, 叫FocalNet, 磁共振成像有助于识别和预测疾病的侵袭性, or MRI, scans, 它的准确度几乎与经验丰富的放射科医生相当. 在测试中，FocalNet是80.而拥有至少10年经验的放射科医生的准确率为83%.准确率9%.
BACKGROUND
放射科医生使用核磁共振成像来检测和评估恶性前列腺肿瘤的侵袭性. However, 通常需要进行数千次的扫描练习，才能学会如何准确地判断肿瘤是恶性的还是良性的，并准确地估计癌症的级别. 除了, 许多医院没有资源来实施通过核磁共振成像检测癌症所需的高度专业化培训.
METHOD
FocalNet is an artificial neural network that uses an algorithm that comprises more than a million trainable variables; it was developed by the UCLA researchers. The team trained the system by having it analyze MRI scans of 417 men with prostate cancer; scans were fed into the system so that it could learn to assess and classify tumors in a consistent way and have it compare the results to the actual pathology specimen. 研究人员将人工智能系统的结果与拥有超过10年经验的皇冠hga025大学洛杉矶分校放射科医生的读数进行了比较.
IMPACT
这项研究表明，人工智能系统可以节省时间，并有可能为经验不足的放射科医生提供诊断指导.
AUTHORS
该研究的资深作者是首尔大学放射学助理教授景成(Kyung Sung) 皇冠hga025大学洛杉矶分校大卫·格芬医学院; Dr. 史蒂文·拉曼是皇冠hga025大学洛杉矶分校临床放射学教授，也是 皇冠hga025大学洛杉矶分校约翰逊综合癌症中心; and Dr. 迪特尔·恩兹曼，皇冠hga025大学洛杉矶分校放射学主任. 第一作者是皇冠hga025大学洛杉矶分校的研究生曹瑞明. 其他作者还有来自皇冠hga025大学洛杉矶分校的Amirhossein Bajgiran、Sohrab Mirak、Sepideh Shakeri和钟欣然.
JOURNAL
The 研究成果发表 IEEE医学影像汇刊. 该论文于2019年4月在IEEE生物医学成像国际研讨会上发表，并被选为亚军 best paper.
