Wie kann künstliche Intelligenz in der Bildgebung Patienten mit bronchialen und parenchymalen Lungenerkrankungen besser helfen?

Trieu-Nghi Hoang-Thi, Guillaume Chassagnon, Hai-Dang Tran, Nhat-Nam Le-Dong, A.T. Dinh-Xuan, Marie-Pierre Revel
{"title":"Wie kann künstliche Intelligenz in der Bildgebung Patienten mit bronchialen und parenchymalen Lungenerkrankungen besser helfen?","authors":"Trieu-Nghi Hoang-Thi, Guillaume Chassagnon, Hai-Dang Tran, Nhat-Nam Le-Dong, A.T. Dinh-Xuan, Marie-Pierre Revel","doi":"10.1159/000528456","DOIUrl":null,"url":null,"abstract":"Im Zuge der rasanten Entwicklung der Computertechnik ist künstliche Intelligenz heute zu einem wesentlichen Bestandteil des täglichen Lebens geworden. Auch die Bereiche Medizin und Lungengesundheit stellen in diesem Zusammenhang keine Ausnahme dar. Wissenschaftliche Forschung auf der Grundlage von Big Data durchzuführen, bedeutet nicht, einfach eine große Menge an Daten zu sammeln und dann den Maschinen die Arbeit zu überlassen. Wissenschaftler müssen vielmehr Probleme identifizieren, deren Lösung sich positiv auf die Versorgung der Patienten auswirken würde. In dieser Übersichtsarbeit wird die Rolle der künstlichen Intelligenz sowohl aus physiologischer als auch aus anatomischer Sicht erörtert. Ausgehend von der automatischen quantitativen Bewertung anatomischer Strukturen mithilfe der Bildgebung der Lunge betrachten wir die Themenbereiche der Erkennung von Krankheiten und der Einschätzung der Prognose auf der Grundlage von maschinellem Lernen. Die Bewertung der aktuellen Stärken und Einschränkungen wird es uns ermöglichen, einen breiteren Blick auf zukünftige Entwicklungen zu werfen.","PeriodicalId":402207,"journal":{"name":"Kompass Pneumologie","volume":"59 1","pages":"0"},"PeriodicalIF":0.0000,"publicationDate":"2023-01-17","publicationTypes":"Journal Article","fieldsOfStudy":null,"isOpenAccess":false,"openAccessPdf":"","citationCount":"0","resultStr":null,"platform":"Semanticscholar","paperid":null,"PeriodicalName":"Kompass Pneumologie","FirstCategoryId":"1085","ListUrlMain":"https://doi.org/10.1159/000528456","RegionNum":0,"RegionCategory":null,"ArticlePicture":[],"TitleCN":null,"AbstractTextCN":null,"PMCID":null,"EPubDate":"","PubModel":"","JCR":"","JCRName":"","Score":null,"Total":0}
引用次数: 0

Abstract

Im Zuge der rasanten Entwicklung der Computertechnik ist künstliche Intelligenz heute zu einem wesentlichen Bestandteil des täglichen Lebens geworden. Auch die Bereiche Medizin und Lungengesundheit stellen in diesem Zusammenhang keine Ausnahme dar. Wissenschaftliche Forschung auf der Grundlage von Big Data durchzuführen, bedeutet nicht, einfach eine große Menge an Daten zu sammeln und dann den Maschinen die Arbeit zu überlassen. Wissenschaftler müssen vielmehr Probleme identifizieren, deren Lösung sich positiv auf die Versorgung der Patienten auswirken würde. In dieser Übersichtsarbeit wird die Rolle der künstlichen Intelligenz sowohl aus physiologischer als auch aus anatomischer Sicht erörtert. Ausgehend von der automatischen quantitativen Bewertung anatomischer Strukturen mithilfe der Bildgebung der Lunge betrachten wir die Themenbereiche der Erkennung von Krankheiten und der Einschätzung der Prognose auf der Grundlage von maschinellem Lernen. Die Bewertung der aktuellen Stärken und Einschränkungen wird es uns ermöglichen, einen breiteren Blick auf zukünftige Entwicklungen zu werfen.
人工智慧能在大脑中帮助肺部疾病患者更好的方法是什么?
随着电脑技术的飞速发展,人工智能已成为日常生活的重要部分。医疗和肺癌也不例外。以大数据为基础进行科学研究并不是简单地收集大量数据然后让机器大干一场。相反,科学家必须明确一些问题,这些问题的解决方式会对患者的治疗产生积极的影响。展示人工智能在生理和解剖学上的背景下根据根据肺系统的自动量化结构评估,我们评估了优先事项评估的主题问题和在机器学习基础上预测的主题问题。评估现有的优势和限制会让我们更广泛地了解未来的事态发展。
本文章由计算机程序翻译,如有差异,请以英文原文为准。
求助全文
约1分钟内获得全文 求助全文
来源期刊
自引率
0.00%
发文量
0
×
引用
GB/T 7714-2015
复制
MLA
复制
APA
复制
导出至
BibTeX EndNote RefMan NoteFirst NoteExpress
×
提示
您的信息不完整,为了账户安全,请先补充。
现在去补充
×
提示
您因"违规操作"
具体请查看互助需知
我知道了
×
提示
确定
请完成安全验证×
copy
已复制链接
快去分享给好友吧!
我知道了
右上角分享
点击右上角分享
0
联系我们:info@booksci.cn Book学术提供免费学术资源搜索服务,方便国内外学者检索中英文文献。致力于提供最便捷和优质的服务体验。 Copyright © 2023 布克学术 All rights reserved.
京ICP备2023020795号-1
ghs 京公网安备 11010802042870号
Book学术文献互助
Book学术文献互助群
群 号:481959085
Book学术官方微信