究人员开发了一种新的人工智能(AI)系统，以帮助放射科医师提高诊断前列腺癌的能力。
该系统称为FocalNet，有助于识别和预测评估磁共振成像或MRI扫描的疾病的侵略性。
美国加利福尼亚大学洛杉矶分校(UCLA)的研究人员表示，它与经验丰富的放射科医师具有几乎相同的准确度。
根据发表在IEEE Transactions on Medical Imaging期刊上的研究，在测试中，FocalNet读取MRI的准确率为80.5%，而具有至少10年经验的放射科医师准确率为83.9%。
放射科医生使用MRI来检测和评估恶性前列腺肿瘤的侵袭性。
然而，它通常需要在数千次扫描中练习，以学习如何准确地确定肿瘤是癌性还是良性并且准确地估计癌症的等级。
此外，许多医院没有资源来实施从MRI检测癌症所需的高度专业化培训。
FocalNet是一种人工神经网络，它使用包含超过一百万个可训练变量的算法。
究人员开发了一种新的人工智能(AI)系统，以帮助放射科医师提高诊断前列腺癌的能力。
该系统称为FocalNet，有助于识别和预测评估磁共振成像或MRI扫描的疾病的侵略性。
美国加利福尼亚大学洛杉矶分校(UCLA)的研究人员表示，它与经验丰富的放射科医师具有几乎相同的准确度。
根据发表在IEEE Transactions on Medical Imaging期刊上的研究，在测试中，FocalNet读取MRI的准确率为80.5%，而具有至少10年经验的放射科医师准确率为83.9%。
放射科医生使用MRI来检测和评估恶性前列腺肿瘤的侵袭性。
然而，它通常需要在数千次扫描中练习，以学习如何准确地确定肿瘤是癌性还是良性并且准确地估计癌症的等级。
此外，许多医院没有资源来实施从MRI检测癌症所需的高度专业化培训。
FocalNet是一种人工神经网络，它使用包含超过一百万个可训练变量的算法。