Tổng quan: Nội soi tăng cường hình ảnh (image inhanced endoscopy - IEE) đóng vai trò quan trọng trong phát hiện và đánh giá mức độ tổn thương tuy nhiên chỉ được tích hợp trong các dòng máy nội soi thế hệ mới, có giá thành cao. Tại Việt Nam, đã có những kết quả bước đầu trong ứng dụng trí tuệ nhân tạo trong nội soi. Mục tiêu: Nghiên cứu nhằm đánh giá tính khả thi của việc ứng dụng trí tuệ nhân tạo trong việc sinh ảnh giả lập các chế độ tăng cường đối với ảnh nội soi thực quản. Phương pháp: Tập ảnh đánh giá được xây dựng gồm 240 ảnh nội soi ở vị trí đường Z: 60 ảnh ở chế độ FICE, 60 ảnh giả lập FICE, 60 ảnh ở chế độ LCI, và 60 ảnh giả lập LCI. Ảnh giả lập FICE và ảnh giả lập LCI được sinh ra từ ảnh ánh sáng trằng bằng cách sử dụng mạng CycleGAN. Mỗi chế độ ánh sáng/giả lập sẽ có 30 ảnh đường Z bình thường và 30 ảnh có tổn thương viêm trào ngược. Tập ảnh đánh giá sẽ được trộn ngẫu nhiên sau đó được gửi cho 5 bác sỹ nội soi mới (< 5 năm kinh nghiệm) và 5 bác sĩ nội soi có kinh nghiệm (≥5 năm kinh nghiệm). Các bác sĩ được cho biết là trong bộ ảnh có ảnh giả lập được sinh từ thuật toán AI và được yêu cầu xác định ảnh nào là ảnh ánh sáng tăng cường thật sự, ảnh nào là ảnh giả lập AI. Kết quả: Nhóm bác sĩ mới đánh giá việc nhận định ảnh khó hơn so với nhóm bác sĩ có kinh nghiệm (52,1% ảnh được nhận định là khó so với 25,8% ở nhóm bác sĩ có kinh nghiệm). Tỉ lệ nhận định ảnh đúng của nhóm bác sĩ mới và nhóm bác sĩ có kinh nghiệm lần lượt là 54,67% và 52,67%. Mức độ nhận định đúng giữa nhóm bác sĩ mới và nhóm bác sĩ có kinh nghiệm là tương đương nhau. Kết luận: Kết quả bước đầu gợi ý khả năng ứng dụng phần mềm này trong thực tế nhằm nâng cao khả năng phát hiện tổn thương ở các đơn vị y tế còn hạn chế về nguồn lực.
Meteorological and hydrological chart records information, measurement data of rainfall, water level, humidity, temperature and other types of measured parameters. These parameters are collected from hydrometeorological measurement stations nationwide. The storage of this information is extremely important for the purpose of researching and forecasting weather and natural disasters in the future. However, at present, the storage of all types of schemas is in paper form, the reading of data depends on the expert. Therefore, it is difficult to guarantee the integrity of the data over time. In this paper, we propose a solution for schema recognition and self-recording of schema information using today's most advanced machine vision and artificial intelligence technologies to help store and digitize data, diagrams automatically. The solution integrates the page structure analysis algorithm, the grid detection algorithm and the alignment algorithm to combine the line detection algorithm and the objects in the schema to separate the line. By experiment, the solution has achieved high accuracy, more than 90% of the diagrams can be digitized, including all types of diagrams of precipitation, water level, humidity, pressure, and temperature.
scite is a Brooklyn-based organization that helps researchers better discover and understand research articles through Smart Citations–citations that display the context of the citation and describe whether the article provides supporting or contrasting evidence. scite is used by students and researchers from around the world and is funded in part by the National Science Foundation and the National Institute on Drug Abuse of the National Institutes of Health.
hi@scite.ai
10624 S. Eastern Ave., Ste. A-614
Henderson, NV 89052, USA
Copyright © 2024 scite LLC. All rights reserved.
Made with 💙 for researchers
Part of the Research Solutions Family.