Vše

Co hledáte?

Vše
Projekty
Výsledky výzkumu
Subjekty

Rychlé hledání

  • Projekty podpořené TA ČR
  • Významné projekty
  • Projekty s nejvyšší státní podporou
  • Aktuálně běžící projekty

Chytré vyhledávání

  • Takto najdu konkrétní +slovo
  • Takto z výsledků -slovo zcela vynechám
  • “Takto můžu najít celou frázi”

Umělá inteligence zlepšuje screening karcinomu prsu

Identifikátory výsledku

  • Kód výsledku v IS VaVaI

    <a href="https://www.isvavai.cz/riv?ss=detail&h=RIV%2F00064211%3A_____%2F21%3AS0000006" target="_blank" >RIV/00064211:_____/21:S0000006 - isvavai.cz</a>

  • Výsledek na webu

    <a href="https://www.prolekare.cz/casopisy/casopis-lekaru-ceskych/2021-7-8-1/umela-inteligence-zlepsuje-screening-prsu-129587" target="_blank" >https://www.prolekare.cz/casopisy/casopis-lekaru-ceskych/2021-7-8-1/umela-inteligence-zlepsuje-screening-prsu-129587</a>

  • DOI - Digital Object Identifier

Alternativní jazyky

  • Jazyk výsledku

    čeština

  • Název v původním jazyce

    Umělá inteligence zlepšuje screening karcinomu prsu

  • Popis výsledku v původním jazyce

    Rychlý rozvoj strojového učení (zejména hlubokého) podporuje jeho využití ke zpřesnění screeningu nádorových onemocnění. Hodnocení screeningové mamografie je v Česku prováděno nezávisle dvěma radiology. Zapojení umělé inteligence do algoritmu druhého čtení mamografických snímků přispívá ke zvýšení specifity a senzitivity mamografického vyhodnocování. Neuronová síť dokáže zachytit vstupní obraz a na základě natrénovaných číselných parametrů (vah), kterým je přirazena konkrétní hodnota, definuje vlastnosti, které se ve snímcích hledají, což ovlivňuje konečný výsledek mamografického vyšetření. Cílem zavedení umělé inteligence je lepší záchyt maligních nádorů v časném stadiu a zároveň snížení falešně negativních nebo pozitivních mamografických nálezů s následnou redukcí doplňujících vyšetření, což povede k ekonomickému zefektivnění screeningového procesu.

  • Název v anglickém jazyce

    Artificial intelligence improves breast cancer screening

  • Popis výsledku anglicky

    The rapid development of machine learning, especially deep learning, is fueling radiology's interest in using the technology to improve the accuracy and efficiency of cancer screening. In the Czech Republic, full-scale, organized, and audited mammography screening has been ongoing since September 2002. The screening interval is set at two years for the group of women over 45 years of age. Evaluation of screening mammography in the Czech Republic is performed inde-pendently by two radiologists. While comparing the level of specificity and sensitivity of one radiologist versus one radiologist and AI, previous studies concluded that the overall level was improved. Thus, the inclusion of artificial intelligence in the algorithm of the second reading of mammography images contributes to the increase in the specificity and sensitivity of mammography screening based on the research papers from England, the USA and South Korea. The architecture of the Convolutional Neural Network (ConvNet) is very similar to the conventional neural networks, reflecting the biological behaviour of the brain. The neural network processes an input image and based on trained numerical parameters (weights) with an assigned value, define the features to look for in the images, which enables to evaluate the mammography screening. The goal of introducing AI into practice is that, in combination with humans in the evaluation process, it may lead to a higher level of detection of early-stage malignant tumors and to a reduction in false negative or positive mammographic findings. Additionally, it is expected to reduce follow-up examinations after the screening mammography making the screening process more cost effective. © 2021, Czech Medical Association J.E. Purkyne. All rights reserved.

Klasifikace

  • Druh

    J<sub>SC</sub> - Článek v periodiku v databázi SCOPUS

  • CEP obor

  • OECD FORD obor

    30401 - Health-related biotechnology

Návaznosti výsledku

  • Projekt

  • Návaznosti

    I - Institucionalni podpora na dlouhodoby koncepcni rozvoj vyzkumne organizace

Ostatní

  • Rok uplatnění

    2021

  • Kód důvěrnosti údajů

    S - Úplné a pravdivé údaje o projektu nepodléhají ochraně podle zvláštních právních předpisů

Údaje specifické pro druh výsledku

  • Název periodika

    Casopis Lekaru Ceskych

  • ISSN

    0008-7335

  • e-ISSN

  • Svazek periodika

    160

  • Číslo periodika v rámci svazku

    7-8

  • Stát vydavatele periodika

    CZ - Česká republika

  • Počet stran výsledku

    6

  • Strana od-do

    323-328

  • Kód UT WoS článku

  • EID výsledku v databázi Scopus

    2-s2.0-85124128159