Yangi koronavirus pnevmoniyasi KT diagnostikasida sun'iy intellektning roli va muammosi

Qo'shimcha ma'lumot uchun:ali.ma@wecistanche.com

Eng muhimlar

Ushbu maqola sun'iy intellekt (AI) dasturiy ta'minotini ishlab chiqish jarayonini kompyuterlashtirilgan tomografiya (KT) tasvirli diagnostik tadqiqot klinik sinovlari sifatida ko'rib chiqish orqali klinik sinovning metodologiyasi talablariga asoslangan ilmiylik va me'yoriylikni yangicha ko'rib chiqadi. Maqolada, shuningdek, haqiqiy klinik muammolarni hal qilishda yordam beradigan va bemorlarga haqiqiy klinik foyda keltiradigan AI diagnostika dasturini targ'ib qilishning 4 usuli ko'rib chiqiladi.

Cistanche yon ta'siri va immunitet uchun Cistanche uchun bosing

Abstrakt

2020 yil boshida yangi koronavirus pnevmoniyasi(COVID-19)Xitoyda paydo bo'ldi. Pandemiyaga qarshi kurashda muhim rol o'ynagan sun'iy intellekt (AI) sohasida ko'plab tibbiy mahsulotlar tezda paydo bo'ldi. Ushbu maqola radiologiya va pandemiya nazoratida sun'iy intellektning joriy tadqiqotlari va qo'llanilishi holatini umumlashtiradi va AI texnologiyasini tadqiq qilishda umumiy muammolarini tahlil qiladi.COVID-19tashxis. U asosan klinik tadqiqotlar dizayni, tadqiqotni amalga oshirishdagi qiyinchiliklar va AI modellarining ishonchliligini tekshirishdagi qiyinchiliklarga oid fikrlarni o'z ichiga oladi. Yuqoridagi qiyinchiliklarga javoban, AI diagnostika tadqiqotlarining ilmiyligi va sifatini optimallashtirish bo'yicha takliflar taklif etiladi.

Kalit so‘zlar:COVID-19pandemiya, sun'iy intellekt, kompyuter tomografiyasi, klinik tadqiqotlar

Epidemiyaga qarshi turli xil sun'iy intellekt mahsulotlarining muhim roli

2020 yil boshida epidemiya avj oldiyangi koronavirus pnevmoniyasi(Koronavirus, COVID-19) kasalliklarning oldini olish va nazorat qilishni amalga oshirishni katta vazifaga qo'ydi. Masalan, katta transport oqimi bo'lgan transport markazida har bir insonning tana haroratini qanday tezda o'lchash mumkin; katta imkoniyatlar orasida potentsial samarali dori vositalarini tezda qanday aniqlash mumkin; katta populyatsiyada shubhali holatlarni qanday tekshirish kerak; tashxis qo'yilgan bemorlarni davolash paytida tibbiy mutaxassislarning etishmasligi va o'zaro infektsiya bilan qanday kurashish kerak. Sun'iy intellekt (Al, so'nggi yillarda eng mashhur sohalardan biri bo'lib, ba'zi muammolarni yangi AI mahsulotlarini qo'llash orqali hal qiladi, bu kasallikning oldini olish, nazorat qilish va diagnostika samaradorligini oshiradi.

AI odamlarning faolligini tahlil qilish orqali epidemiya rivojlanish tendentsiyasini kuzatish va taqlid qilish, potentsial tarqalish hududlarini erta ogohlantirishga yordam beradi. AI, shuningdek, tarqalish yo'llarini tahlil qilishi, diagnostik bemorlarning yaqin aloqalarini aniqlashi va tezda karantin va davolanishni amalga oshirishi mumkin. AI tasvirni aniqlash texnologiyasiga ega infraqizil termal tasvir qurilmasi tana harorati anormal bo'lgan odamlarni aniqlash uchun jamoat joylarida isitmani aniqlaydi[1]. Yangi dori vositalarini ishlab chiqishda AI keyingi rivojlanish uchun yuzlab dorilardan eng kuchli antiviral va yallig'lanishga qarshi dori-darmonlarni tekshirishga yordam beradi [2]. Tashxis va davolashda shifokorlarga tezda tashxis qo'yishda yordam berish uchun kompyuter tomografiyasi (KT) grafik ma'lumotlarini ("CT plus AI) tanib olish uchun chuqur neyron tarmog'i (DNN) modeli qabul qilindi.

COVID tashxisiga yordam berishda "CT plus AI" duch keladigan qiyinchiliklar-19

Sun'iy intellektning radiologiyada qo'llanilishi alohida e'tiborni tortdi. DNN turli tibbiy skanerlash texnologiyalarida keng qo'llanilgan, masalan, ko'krak qafasining raqamli rentgenografiyasida (DR)[3-5] pnevmoniya diagnostikasi, saraton o'pka tugunlarini [6] va sil kasalligini [7] aniqlash, sinishlarni aniqlash, va rentgen [8-10] orqali suyak yoshini bashorat qilish. ko'krak rentgenogrammalarini tekshirish va baholash [11,12]; KT tasvirlarida o'pka tugunlari [13,14], pnevmoniya [15], jigar massalari [16], oshqozon osti bezi saratoni [17] va umurtqa pog'onasi siqilish sinishi [18]ni aniqlash va tashxislash; yurakning magnit-rezonans tomografiyasida qorinchani tasvirlaydi [19]. Ultratovush tekshiruvi, AI modeli yurak tasvirining diagnostikasi va miqdoriy tahlilini amalga oshirishi mumkin [20.21]. shuningdek ultratovushli qalqonsimon bez tugunlarini aniqlash va benign va malign diagnostika [22,23](1-jadval).

Yangi koronavirusli pnevmoniya diagnostikasida KT, DR va ultratovush ko'pincha o'zlarining xususiyatlariga ko'ra tegishli jarayonlar va stsenariylarda tasvirni tekshirish usullaridan foydalaniladi. Ular orasida lezyonni aniqlashning dastlabki bosqichida KT ustuvor hisoblanadi. “COVID-19 pnevmoniya diagnostikasi va davolash dasturi (sinov versiyasi 5)” chiqarilganligi sababli, kompyuter tomografiyasi diagnostikasi ham yangi COVID-19 [24] klinik diagnostikasi standartlariga kiritilgan. Biroq, bitta bemorning tashxisi yuzdan ortiq KT tasvirlarini qo'lda kuzatishni talab qiladi, Ko'p sonli klinik ehtiyojlar bilan shifokorlar past samaradorlik bilan katta ish yukiga duch kelishadi. Dasturiy ta'minotni qo'llab-quvvatlaydigan AI texnologiyasi ushbu klinik to'siqlarni hal qilishi mumkin. KT tekshiruvi yuqori aniqligi, yagona standartlari va sanoat ma'lumotlari va texnologiyasining chuqur to'planishi tufayli hozirgi pnevmoniya diagnostikasi AI dasturi uchun afzal ko'rilgan tasvirlash echimiga aylandi [27. Amaliy ilovalarda diagnostika modellari pnevmoniya tasvirini aniq algoritm orqali aniqlab, uning kasal yoki yo'qligini bashorat qilishi mumkin [27-29]. O'pkaning miqdoriy tahlil modeli lezyonning joylashishini aniqlashi, jarohatlar sonini hisoblashi, lezyonning ko'lamini belgilashi, o'pka lezyoni hududining infektsiya tezligini hisoblashi va kasallikning rivojlanishini boshqarish va baholash uchun keyingi dasturiy ta'minot bilan hamkorlik qilishi mumkin. prognoz [28]. Dasturiy ta'minot yordamida shifokorlarning ish yuki kamayadi, diagnostika va davolashning tezligi va aniqligi yaxshilanadi, ammo Al yordami bilan yangi koronavirus pnevmoniyasi KT tashxisini tadqiq qilishda ba'zi umumiy muammolarni ta'kidlash kerak:

O'quv dizayni

Yangi COVID-19 pnevmoniya KT diagnostikasida "CT plus AI" diagnostika modelini ishlab chiqishning eng dastlabki bosqichida turli diagnostika va davolash bosqichlarini moslashtirish uchun model dizayni turlicha ko'rib chiqilishi kerak. Misol uchun, erta skrining modelini o'qitish uchun ishlatiladigan nazorat guruhi antidiastolda tanlangan guruhdan farqlanishi kerak: 1) Erta skrining muammosidagi qarorlar shubhali holatlarni sog'lom populyatsiyadan ajratish uchun yuqori sezuvchanlikni afzal ko'radi, shuning uchun nazorat ishi namunalari tomonidan o'qitildi. AI modeli nosog'lom o'pka tasvirlariga qarshi sog'lom o'pkaning kompyuter tomografiyasi bo'lishi kerak. Nosog'lom o'pka holatlari past o'tkazib yuborilgan tashxis tezligining namunaviy ishlashini ta'minlash uchun bir nechta shubhali pnevmoniya turlaridan iborat. 2) Antidiastol stsenariysida yangi koronavirusli pnevmoniyani boshqa infektsiyalar keltirib chiqaradigan pnevmoniyadan ajratish uchun yuqori o'ziga xoslik qobiliyati juda muhimdir. Aniqroq qilib aytadigan bo'lsak, haqiqiy klinik sharoitlarni hisobga olgan holda, ideal nazorat dizayni o'xshash klinik belgilari yoki epidemiologik tarixga ega bo'lgan ikkita guruhni, masalan, isitma, yo'tal, o'pkaning kompyuter tomografiyasi anormalliklari, ammo nuklein kislotasi testida (yoki boshqa diagnostik oltin standartlar) salbiy va ijobiy natijalarni solishtirishi kerak. . Bunday dizayn yangi koronavirus pnevmoniyasining o'ziga xos radiomik xususiyatlarini birlashtirish uchun mo'ljallangan edi. Bundan tashqari, model ishlashini baholash uchun tanlangan baholash ko'rsatkichi diqqat bilan ko'rib chiqilishi kerak. Misol uchun, "CT plus AI" diagnostika modelini baholashda aniqlik nisbati modelni to'liq baholay oladigan to'g'ri ko'rsatkich emas. Sinov ma'lumotlarining ijobiy va salbiy namunalari o'rtasidagi nomutanosiblik ishlashni ortiqcha baholash muammosiga olib keladi (masalan, 96 ta ijobiy va 4 ta salbiy holatdan iborat test to'plami, hatto model faqat bo'lsa ham, 96% gacha yuqori aniqlik beradigan sodda modelni jalb qilishi mumkin. Ijobiyligini ayting). AI diagnostika dasturi yaxshi qobiliyat va samaradorlik uchun muayyan klinik muammoda qo'llaniladi. Amalga oshirishdan oldin tadqiqot maqsadlarini aniqlashtirish va aniq klinik muammolar uchun tozalash kerak. Keyin ilmiy uslubda metodologiya loyihasini amalga oshirish kerak. To'liq tadqiqot rejasi ham shakllantirilishi kerak. O'rganish ob'ektlari, inklyuziv-eksklyuziv qoidasi va yakuniy nuqtani baholash ko'rsatkichlari to'liq hisobga olinishi kerak. Ilmiy dizaynga ega bo'lgan holda, tarafkashlik xavfini minimallashtirish, yuqori sifatli tadqiqot dalillarini olish va klinik qo'llash uchun ishonchli ko'rsatmalar berilishi mumkin.

Tadqiqotni amalga oshirish

Sun'iy intellektning DNN modelini o'qitish jarayoni faqat ma'lumotlarga asoslangan. O'quv bosqichida ko'p sonli aniq etiketlangan tasvir namunalariga tayanadi. Ma'lumotlar miqdori qanchalik katta bo'lsa, modelning diskriminativ ishlashi shunchalik yaxshi bo'ladi. Amerikaning Google texnologiya giganti tomonidan ishlab chiqilgan AI tibbiy qurilmasi sifatida diabetik retinopatiya diagnostikasi tizimi klinik sinovlarning ikkinchi bosqichidan o'tdi. Tizimning oʻquv jarayonida 10,{3}} holatning 130 million suratidan foydalaniladi, bu esa tibbiyot mutaxassislari darajasiga yaqin [30]. Bundan farqli o'laroq, tayinlangan tibbiy bo'linmalar epidemiyada dasturiy ta'minotni o'qitish va ishlab chiqish uchun texnologiya ishlab chiqaruvchilari bilan hamkorlikda yangi koronavirus KT tasvir ma'lumotlarini to'plagan bo'lsa-da, umumiy miqdor nisbatan kichik va tarqatish nisbatan tarqoq, shuningdek, KT tasviri bo'yicha mutaxassislarning kam resurslari. boshlang'ich bosqichda etiketkalash, natijada modelni o'qitish uchun faqat kichik ma'lumotlar to'plami mavjud va etiketka sifatini kafolatlash qiyin. O'quv ma'lumotlarining etarli emasligi DNN modelining kuchli ekspressiv quvvatga ega bo'lgan strukturaviy xususiyatlari tufayli KT tasvirlarida haqiqiy tashxisga aloqador bo'lmagan ma'lumotni "eslab qolishiga" olib kelishi mumkin, bu esa haddan tashqari moslashishga olib keladi va kelajakdagi ma'lumotlarni hukm qilish qobiliyatini kamaytiradi. Kamroq ma'lumotlar hajmi sharoitida etarli ta'lim effektiga erishish uchun ko'pincha yanada murakkab ichki model tuzilmasini va model o'qitish ko'nikmalarini loyihalash kerak, bu ham amalga oshirish qiyinligini oshiradi.

COVIDning yangi istisnoligi haqida fikr-19

Klinik tajribaga asoslanib, yangi koronavirusli pnevmoniyaning ko'krak qafasining KT tasviri "o'xshash tasvir, ammo boshqa kasallik" xususiyatlariga ega. Inson ko'zlari bilan farqlash qiyin, bu antidiastolda qiyinchilikni oshiradi. Agar mashg'ulot namunasi kichik bo'lsa, qiyinchilik yanada aniqroq bo'ladi. Bundan tashqari, yangi COVID-19 diagnostikasi mezonlaridan biri sifatida nuklein kislotalar to‘plamining natijalari yuqori o‘ziga xoslikni, ammo past sezuvchanlikni ko‘rsatadi. Agar u o'quv namunalarini oltin standart sifatida belgilash uchun ishlatilsa, haqiqiy ijobiy namunalar noto'g'ri salbiy deb belgilanishi mumkin. Noto'g'ri belgilangan ma'lumotlar bilan mashq qilish modelning ishlashini to'g'ridan-to'g'ri kamaytiradi.

AI tashxisining ishonchliligini tekshirish

AI diagnostikasi modelini amalga oshirgandan so'ng diagnostika effektini faqat ichki ma'lumotlar testi orqali baholash ishonchli emas. Turli xil KT uskunalari modellari, geografik hududlar, haqiqiy klinik muhit, virus o'zgarishi va boshqa omillar tufayli yuzaga kelgan ma'lumotlar ostidagi chalkashliklar modelning diagnostika natijasiga ta'sir qilishi mumkin. Model cheklangan ichki ma'lumotlar sinovlari bilan ushbu chalkash omillar bilan kurashish qobiliyatiga ega emas. AI diagnostika dasturi to'liq tasdiqlanmasdan klinik foydalanishga topshirilganda, uni faqat oflayn o'qitish va optimallashtirish orqali takrorlash mumkin, chunki u inson shifokorlari kabi yangi holatlarni o'rganishni davom ettirib, tashxis va davolash darajasini yaxshilay olmaydi. Inson shifokorining noto'g'ri tashxisi bilan solishtirganda, kompyuter dasturiy ta'minotining cheklanishidan kelib chiqadigan potentsial yatrogenik xavflar ko'proq bo'ladi. "Tibbiy qurilmalar tasnifi katalogi" ning yangi versiyasiga ko'ra (CFDA 2017 № 143), AI diagnostika dasturi tibbiy asbob sifatida tizimli audit va keng qamrovli simulyatsiya, hattoki istiqbolli klinik sinovlarni ham to'liq tekshirishni davom ettirishi kerak. va klinik tashxisning ishonchliligi. Oziq-ovqat va giyohvand moddalarni nazorat qilish milliy institutining (NIFDC) sun'iy intellekt guruhi sun'iy intellekt tibbiy asboblarining xavfsizlik tizimini yaratdi va standart ma'lumotlar to'plamini tekshirishga asoslangan sinov usulini belgiladi [30]. Hozirda yangi COVID-19 kasalligi uchun standart ma'lumotlar bazasi mavjud emas, shuning uchun haqiqiy dunyoda tibbiy skanerlash diagnostikalarining aksariyatida mavjud sun'iy intellekt dasturining yuqori takrorlanish aniqligini tekshirish qiyin.

"CT plus AI" diagnostika modeli sifati va ilmiy standartlashtirishni yaxshilash

Tibbiyot sanoatida sun'iy intellektni qo'llash Xitoyda hali boshlang'ich bosqichda, so'nggi yillarda u kuchli e'tibor va jadal rivojlanishga ega bo'lib, hatto milliy strategik rejaga ham kiritilgan [30]. Ko'pgina sun'iy intellekt mahsulotlari tibbiyot sohasida istiqbolli istiqbollarni ko'rsatdi. Keyingi bosqichda tijoratlashtirish uchun sanoatning asosiy e'tibori ilmiy tadqiqotlarni loyihalash va joriy etish va tekshirish jarayonini standartlashtirishga qaratiladi; tibbiyot sanoatida sun'iy intellektni sog'lom rivojlantirish, yangi tibbiy apparat spetsifikatsiyasiga muvofiq Al-yordamli diagnostika mahsulotlarini boshqarishni standartlashtirish. Epidemiya davrida paydo bo'lgan ko'plab sun'iy intellekt mahsulotlari shifokorlarga kasalliklarni tashxislash va davolashda qulaylik keltirgan bo'lsa-da, umumiy ilmiy qat'iylik va sifat ishonchliligi hali ham yanada takomillashtirish va takomillashtirishga muhtoj.

Klinik muammolarda AI texnologiyasini o'rganish dizaynini takomillashtirish

Hozirgi vaqtda yangi COVID-19 KT yordamida tashxis qoʻyish boʻyicha tadqiqotlarning aksariyati holatlarni retrospektiv nazorat qilish usullaridan foydalaniladi. Afzalliklardan biri - cheklangan tadqiqot ob'ektlaridan turli xil ma'lumotlarni tezda olish, shu bilan birga tarafkashlik xavfi mavjud. Nazorat ishlarida namunalar umumiy diagnostika holatlaridan olinishi yoki ulardan tasodifiy tanlanishi kerak, ammo manbalar cheklanganligi sababli namunalar barcha bemorlarni ifodalay olmaydi. Haqiqiy vaziyatga qarab noto'g'rilikni kamaytirish va dalillar darajasini oshirish uchun maxsus nazorat namunalaridan foydalanish mumkin, masalan, bitta tibbiy muassasadan ishlarni tanlash, ikki yoki undan ortiq nazorat guruhlarini qo'llash va mos keladigan o'zgaruvchilar. Diagnostik modelning ishlashini baholashda haqiqiy ijobiy tezlik va noto'g'ri musbat stavkalar diagrammasi (qabul qiluvchining operatsion xarakteristikasi egri chizig'i (ROC egri)) AI algoritm talqinini shifokor baholashi yoki egri chiziq ostidagi maydonni (AUC) taqqoslash uchun ishlatilishi mumkin. model ishlashiga havola. Shunga qaramay, faqat taqqoslash yoki ko'rsatkichlarga tayangan holda klinik imtiyozlarni to'liq tushuntirish hali ham qiyin, boshqa klinik qaror qabul qilish omillari, aslida, har tomonlama baholash uchun ham hisobga olinishi kerak.

Yorliqning aniqligini oshirish, modelni amalga oshirish jarayonida o'qitish namunalarining soni va o'lchamlarini kengaytirish

Birlamchi bosqichda KT tasvir namunalarining kichik soni bilan o'qitilgan modellar allaqachon yaxshi tendentsiyani ko'rsatdi. Vaqt o'tishi bilan ko'proq holatlar namunaviy treningda asosiy yordamni yaxshilaydi. Qanchalik koʻp tasvir oʻrganilsa, COVID-19 tashxisida “bir xil tasvirlar, turli holatlar” qiyinchiliklarini yengish imkoniyati shunchalik yuqori boʻladi. Ushbu holatga javoban, KT tasvir ma'lumotlariga asoslangan holda, model kasallikni har tomonlama baholash va tashxisning aniqligini oshirish uchun bemorning klinik signallari, epidemiologiyasi, laboratoriya tekshiruvi va boshqa ma'lumotlarni birlashtirib, ma'lumot doirasini kengaytirishi mumkin. Namuna yorlig'ining aniqligini oshirishga oltin standart strategiyasini optimallashtirish orqali erishish mumkin. Yagona noto‘g‘ri-salbiy natija ehtimolini qoplash uchun nuklein kislota testini bir necha marta o‘tkazing yoki IgM/lgG antikorlarini aniqlash kabi boshqa diagnostika to‘plamlariga murojaat qilib, natijani o‘zaro tasdiqlang.

Yangi koronavirus pnevmoniyasi CT standart sinov ma'lumotlar bazasini yarating

AI modellashtirishni amalga oshirish va ichki tekshirishdan so'ng, standart ma'lumotlar bazasi test tizimi orqali tashqi ishonchlilikni tekshirish talab qilinadi. Fundus kasalliklari va o'pka tugunlarining o'rnatilgan standart ma'lumotlar bazasi tizimiga kelsak, kasallik sub'ektlari mamlakat bo'ylab turli tibbiyot muassasalaridan, shu jumladan kam rivojlangan hududlardan keladi. Ma'lumotlar turli xil texnik xususiyatlarni o'z ichiga oladi va turli modellar va parametrlardagi qurilmalar bilan mos keladi. Sinov ma'lumotlarini belgilashda ishtirok etayotgan shifokorlar AI tibbiy tadqiqot tajribasiga ega va yaxshi o'qitilgan. Yuqori aniqlik, barqarorlik va boyitilgan klinik tajribaga ega shifokorlar tomonidan maxsus tadqiqot guruhi tuziladi. Standart sinov ma'lumotlar to'plami kompaniya va mashina izlarini o'chiradi va yopiq muhitda ish faoliyatini adolatli va ob'ektiv baholashni ta'minlash uchun ma'lumotlarning noto'g'riligini qat'iy nazorat qiladi [30]. Xulosa qilib aytadigan bo'lsak, faqat alohida muassasalarga tayanib, yangi COVID-19 KT standarti ma'lumotlar bazasini yaratish qiyin. Xalq epidemiyaning maxsus davrida tegishli yordam ko'rsatishi kerak. Masalan, mamlakat boʻylab barcha tomonlarning hamkorligi va resurslar almashinuvini yoʻnaltirish va muvofiqlashtirish uchun COVID-19 boʻyicha yangi maxsus sunʼiy intellekt guruhini tezda tuzing hamda kasalliklarni tekshirish uchun maxsus maʼlumotlar bazasi va boshqa tekshirish standartlarini birgalikda shakllantirish.

Sun'iy intellekt bo'yicha tibbiy tadqiqotlar ma'lumotlarini boshqarishni standartlashtirish

2019-yil 3-iyul kuni Tibbiy asboblarni baholash markazi “Tibbiy asboblar dasturiy taʼminotini chuqur oʻrganishga yordam beradigan qaror qabul qilishning asosiy nuqtalari” (asosiy fikrlar)ni eʼlon qildi. U uchinchi turdagi tibbiy asboblar sifatida ro'yxatga olingan AI tibbiy mahsulotlariga texnik ko'rsatmalar beradi va mahsulotni ishga tushirishdan oldin siyosatdagi qiyinchiliklarni bartaraf qiladi. Biroq, axloq va ma'lumotlar xavfsizligi bo'yicha hech qanday qonuniy cheklovlar yo'q. Tibbiy tadqiqotlar bo'yicha sun'iy intellekt axloq qoidalariga mos kelishi va shaxsiy ma'lumotlarning xavfsizligi va maxfiyligini himoya qilishi kerak. Agar bemorning shaxsiy hayotini himoya qilish bo'yicha milliy yoki mintaqaviy qonunlar va qoidalar ishlab chiqilsa, tadqiqot uchun standartlashtirilgan ma'lumotlarni boshqarish platformasi yaratilishi mumkin bo'lsa, tadqiqot loyihasi loyihalash va amalga oshirish jarayonida potentsial xavflarni tezda aniqlash uchun samarali tarzda ko'rib chiqilishi mumkin. Inson salomatligiga to'sqinlik qilish va yo'q qilish xavfini oldini olish uchun ma'lumotlar xavfsizligi bo'yicha ko'rsatmalar amalga oshiriladi.

Adabiyotlar:

1 zc [Internet]. Yangi koronavirusni aniqlash va unga qarshi kurashish uchun AIdan qanday foydalanish kerak [20-mart, 2020-yilda keltirilgan].

2. Huang Q[Internet]. Akademik Li Lanjuan jamoasi chiqardi: bu ikki dori yangi koronavirusni samarali ravishda inhibe qilishi mumkin [2020-yil 20-mart keltirilgan].

3. Vang XS, Peng YF, Lu L va boshqalar. ChestX-Ray8: Kasalxona miqyosidagi ko'krak qafasi rentgenogrammasi ma'lumotlar bazasi va umumiy ko'krak qafasi kasalliklarining zaif nazorat ostida tasnifi va lokalizatsiyasi bo'yicha ko'rsatkichlar. 2017 IEEE kompyuterda koʻrish va namunani aniqlash boʻyicha konferensiya (CVPR), Gonolulu, HI, 2017, 3462-3471-bet.

4. Li Z, Vang C, Xan M va boshqalar. Cheklangan nazorat bilan ko'krak qafasi kasalliklarini aniqlash va mahalliylashtirish. arXiv e-prints, 2017. arXiv: 1711.06373.

5. Singh R, Kalra MK, Nitiwarangkul C va boshqalar. Ko'krak qafasi rentgenografiyasida chuqur o'rganish: topilmalar va o'zgarishlar mavjudligini aniqlash. PLoS One. 2018;13(10):e0204155. 2018 yil 4 oktyabrda chop etilgan.

6. Nam JG, Park S, Hwang EJ va boshqalar. Ko'krak qafasi rentgenogrammalarida malign o'pka tugunlarini chuqur o'rganishga asoslangan avtomatik aniqlash algoritmini ishlab chiqish va tasdiqlash. Radiologiya, 2019.

7. Lakhani P, Sundaram B. Ko'krak qafasi rentgenografiyasida chuqur o'rganish: Konvolyutsion neyron tarmoqlardan foydalangan holda o'pka tuberkulyozining avtomatlashtirilgan tasnifi. Radiologiya. 2017;284(2):574–582.

8. Geyl V, Oakden-Rayner L, Karneyro G va boshqalar. Chuqur neyron tarmoqlari yordamida rentgenolog darajasida ishlash bilan kestirib, sinishlarni aniqlash. arXiv e-prints, 2017. arXiv: 1711.06504.

9. Rajpurkar P, Irvin J, Bagul A va boshqalar. MURA: Mushak-skelet tizimining rentgenogrammalarida anormallikni aniqlash uchun katta ma'lumotlar to'plami. arXiv e-prints, 2017. arXiv: 1712.06957.

10. Ridley EL[Internet]. Chuqur o'rganish suyak yoshini baholash uchun va'da beradi [2017 yil 15 noyabrda keltirilgan].

11. Yee KM[Internet]. AI algoritmi ko'krak skrining imtihonlarida radiologlarga mos keladi [2017 yil 13 dekabrda keltirilgan].

12. Lehman CD, Yala A, Schuster T va boshqalar. Chuqur o'rganish yordamida mammografik ko'krak zichligini baholash: Klinik amaliyot. Radiologiya, 2019. 290(1): p. 52-58.

13. Ridli EL. Chuqur o'rganish algoritmi o'pka tugunlari xavfini tabaqalashtirishi mumkin [2017 yil 26 noyabrda keltirilgan].

14. Ali I, Xart GR, Gunabushanam G va boshqalar. Chuqur mustahkamlashni o'rganish orqali o'pka tugunlarini aniqlash. Old Onkol. 2018;8:108. Nashr qilingan 2018 yil 16 aprel. doi:10.3389/fonc.2018.00108.

15. Walsh SLF, Calandriello L, Silva M va boshqalar. Yuqori aniqlikdagi kompyuter tomografiyasida fibrotik o'pka kasalliklarini tasniflash uchun chuqur o'rganish: vaziyat-kohort tadqiqoti. Lancet Respir Med. 2018;6(11):837–845.

16. Yasaka K, Akai H, Abe O va boshqalar. Dinamik kontrastli KTda jigar massalarini farqlash uchun konvolyutsion neyron tarmog'i bilan chuqur o'rganish: Dastlabki tadqiqot. Radiologiya. 2018;286(3):887–896.

17. Liu FZ, Xie LX, Xia YD va boshqalar. PDAC ni aniqlash uchun qo'shma shaklning tasviri va tasnifi. arXiv e-prints, 2018. arXiv: 1804.10684.

18. Bar A, Wolf L, Amitai OB va boshqalar. KTda siqilish yoriqlarini aniqlash. arXiv e-prints, 2017. arXiv: 1706.01671.

19. Lieman-Sifry J, Le M, Lau F va boshqalar. FastVentricle: ENet bilan yurak segmentatsiyasi. arXiv e-prints, 2017. arXiv: 1704.04296.

20. Madani A, Arnaout R, Mofrad M va boshqalar. Chuqur o'rganish yordamida ekokardiyogrammalarning tez va aniq ko'rinishi tasnifi. npj Digital Med 1, 6 (2018).

21. Chjan J, Gajjala S, Agrawal P va boshqalar. Klinik amaliyotda to'liq avtomatlashtirilgan ekokardiyogramma talqini. Tiraj, 2018. 138(16): bet. 1623-1635.

22. Li XC, Zhang S, Zhang Q va boshqalar. Sonografik tasvirlarga qo'llaniladigan chuqur konvolyutsion neyron tarmoq modellari yordamida qalqonsimon bez saratoni diagnostikasi: retrospektiv, multikohort, diagnostik tadqiqot. Lancet Onkol. 2019;20(2):193–201. doi:10.1016/S1470-2045(18)30762-9.

23. Li HL, Weng J, Shi YJ va boshqalar. Ultratovush tasvirlarida qalqonsimon papiller saratonini aniqlash uchun takomillashtirilgan chuqur o'rganish yondashuvi. Sci Rep. 2018;8(1):6600. 2018 yil 26 aprelda chop etilgan.

24. Milliy sog'liqni saqlash komissiyasi idorasi [Internet]. Yangi koronavirus pnevmoniyasining diagnostikasi va davolashi (sinov versiyasi beshinchi) [2020 yil 04-fevralda keltirilgan].

25. Alibaba DAMO Akademiyasi [Internet]. Ali Damo akademiyasi tomonidan ishlab chiqilgan, 20 soniyadan kamroq vaqt ichida o'rtacha tanib olish darajasi 96 foizga teng bo'lgan yangi koronavirus pnevmoniyasini kompyuter tomografiyasi yordamida AI diagnostikasi texnologiyasi haqida nima deb o'ylaysiz? [ 2020-02-19].

26. Birlashtirilgan tasvirlash. "Epidemiya" yutug'ini yengish - uAI yangi koronavirus pnevmoniyasini aqlli yordamchi tahlil tizimi rasman ishga tushirildi [10-fevral 2020]

27. Gozes O, Frid-Adar M, Greenspan H va boshqalar. Koronavirus (COVID-19) pandemiyasi uchun tezkor sun'iy intellektni rivojlantirish tsikli: Deep Learning CT Image Analysis yordamida avtomatlashtirilgan aniqlash va bemorlarni kuzatishning dastlabki natijalari. ArXiv abs/2003.05037 (2020): n. sahifa.

28. Huang L, Xan R, Ai T va boshqalar. Ko‘krak qafasining KT orqali COVIDni ketma-ket baholashi-19: chuqur o‘rganish yondashuvi. Radiologiya: Kardiotorakal tasvirlar 2020 2: 2.

29. Li L, Qin LX, Xu ZG va boshqalar. Sun'iy intellekt ko'krak qafasining kompyuter tomografiyasida COVID-19 ni jamiyat tomonidan olingan pnevmoniyadan ajratib turadi. Radiologiya. 2020; 200905.

30. Jin YH, Qiu M J. Xitoy sun'iy intellekt tibbiy oq qog'ozi. Shanxay: Shanxay Jiao Tong universiteti sun'iy intellekt instituti, 2019. (Xitoy)