跳到正文
热点事件持续更新

胸片深度学习模型预测骨折风险

1 篇报道1 个报道来源1 小时前更新

先了解这件事

AI 综述

Zak Kohane 分享了一项发表于 NEJM AI 的研究:研究人员用深度学习从常规胸部X光片识别骨折高风险人群,无需额外骨密度检查,并在53,109人的开发队列和85,284人的外部测试队列中评估随时间累积的骨折风险概率。 研究采用 DenseNet-161 骨干和离散时间 logistic hazard 生存分析头。作者认为结果令人鼓舞,但模型的阳性预测值(PPV)仍需在未筛选人群的前瞻性研究中验证。

AI 根据报道生成 · 51 分钟前更新

报道时间线

沿着报道,了解事件的不同侧面。

11月17日
  1. AGI Hunt
    深度学习用常规胸片识别骨折高风险患者,NEJM AI 开展队列研究

    一项发表于 NEJM AI 的研究利用深度学习,从常规胸部 X 光片中识别骨折高风险患者,无需额外骨密度检查。研究使用 DenseNet-161 骨干和离散时间 logistic hazard 生存分析头,在 53,109 人开发队列及 85,284 人外部测试队列上评估随时间累积的骨折风险概率。作者认为结果令人鼓舞,但PPV仍需在未筛选人群的前瞻性研究中验证。

本事件热度走势

还没有足够的连续观测数据,暂不绘制趋势。