radiologia

• Novo estudo mostra a comparação de modelos de Deep Learning com os modelos baseados em densidade, em que uma rede neural profunda pode prever com mais precisão quais mulheres estão em risco de câncer de mama futuro, com uma taxa falso-negativa mais baixa para cânceres mais agressivos.

Mais estudos

• Uma revisão das principais e emergentes aplicações baseadas em aprendizado profundo em radiologia do tórax se tornou necessária pelo fato da aplicação de aprendizado profundo para radiologia mostrou que seu desempenho na triagem da radiografia de tórax em adultos atingiu um nível clinicamente aceitável, enquanto a detecção de nódulos pulmonares na tomografia computadorizada alcançou variabilidade interobservadores comparável a observadores humanos experientes, e a geração automática de relatórios de texto para radiografia de tórax é viável.

• Artigo da Nature Machine Intelligence traz um modelo da CNN que pode ser efetivamente utilizado para a identificação de diversas anormalidades em radiografias altamente variáveis ​​de várias partes do corpo, um resultado que tem potencial para melhorar a triagem do paciente e auxiliar no diagnóstico em ambientes com recursos limitados.