РЕЗУЛЬТАТЫ ИССЛЕДОВАНИЯ ИСПОЛЬЗОВАНИЯ ИСКУССТВЕННОГО ИНТЕЛЛЕКТА В ДИАГНОСТИКИ ЗАБОЛЕВАНИЕ ОКОЛОНОСОВЫХ ПАЗУХ
Ключевые слова:
конусно-лучевая компьютерная томография; искусственный интеллект; Teachable Machine; свёрточные нейронные сети; гайморитАннотация
В современной оториноларингологии рентгенологические методы, в частности, конусно-лучевая компьютерная томография, являются золотым стандартом диагностики заболеваний околоносовых пазух. Материалы и методы. В основу исследования положен набор данных, состоящий из 2155 рентгеновских снимков в коронарной проекции, извлечённых из 3D-исследований конусно-лучевой компьютерной томографии. Результаты. Первый тест. Результаты первого этапа показали ограниченную точность классификации. Средняя точность составила 55%, что недостаточно для клинического применения, так как модель часто путала схожие типы синуситов (например, гнойный гайморит и гаймороэтмоидит) из-за недостаточного объёма данных. Заключение. Исследование показало, что простые и доступный искусственный интеллект-инструменты могут быть эффективными для решения узких диагностических задач.
Библиографические ссылки
Litjens, G., Kooi, T., Bejnordi, N. E., Setio, A. A. A., Ciompi, F., Ghafoorian, M., ... & Sánchez, C. I. (2017). A survey on deep learning in medical image analysis. Medical image analysis, 42, 60-88.
Topol, E. J. (2019). High-performance medicine: the convergence of human and artificial intelligence. Nature medicine, 25(1), 44-56.
Liu, J., Li, Y., Wang, X., & Chen, G. (2021). Deep learning for diagnosis and prognosis of head and neck cancer. Journal of Medical Imaging, 8(3), 031301.
