TY -的A2 -钱,鑫盟——Anai Satoshi盟——Hisasue Junko盟,高木Yoichi盟——Hara Naohiko PY - 2022 DA - 2022/11/24 TI -深度学习模型预测致命的肺炎使用胸部x光图像SP - 8026580六世- 2022 AB - 背景和目的。胸部x光片(CXR)是不可缺少的严重程度的评估,诊断和管理的肺炎。深度学习是一个人工智能(AI)技术已被应用于医学图像的解释。本研究调查了致命的肺炎基于CXR图像分类的可行性在公开的平台上使用深度学习模型。 方法。CXR肺炎患者在诊断的图像标记为致命或非致命的基于医疗记录。我们应用CXR图像非致命的肺炎患者从1031年和243年致命的肺炎患者深度学习的培训和自我评价模型。所有标记CXR图像被随机分配给培训、深度学习模型的验证和测试数据集。数据增强技术并不用于这项研究。我们创建了两个深度学习模型使用两个公开的平台。 结果。第一个模型显示precision-recall曲线下的面积的0.929分类的敏感性为50.0%,特异性为92.4%致命的肺炎。我们评估我们的深度学习的性能模型使用的敏感性,特异性,PPV,阴性预测值(NPV),准确性,F1的分数。使用外部验证测试数据集100 CXR图像,敏感性、特异性、准确性,F1的分数分别为68.0%,86.0%,77.0%,和74.7%,分别。在原始数据集,第二个模型显示性能的敏感性,特异性,和准确性为39.6%,92.8%,和82.7%,分别在外部验证显示值的38.0%,92.0%,和65.0%,分别。F1的分数是52.1%。这些结果与那些通过呼吸内科医生和居民。 结论。深度学习模型取得了良好的分类精度致命的肺炎。通过进一步提高性能,人工智能可以帮助医生在患者肺炎的严重程度的评估。SN - 1198 - 2241你2022/8026580 / 10.1155——https://doi.org/10.1155/2022/8026580——摩根富林明——加拿大呼吸PB - Hindawi KW - ER -》杂志上