TY-JOURA2-Stack,BrendanCAU-Fragopoulos、CristosAU-Pouliakis、AbrahamAU-Mesorudis、CristosAU-Mastorakis、EmmouiAU-Margari、NikiAU-Chroniaris、NicolasAU-Koufopoulos、NektarosAU-DelidesAU-Machadess-Nicolas-AU-Ntomi/VasileiaAU-Nastos/KonstantinosAU-PanayiotidesAU-Pikoulis,Emmanoui-AU-Misiakos,EvangelosPPY-2020DA-2020/11/24TI辐射基函数人工神经网络 目标 .这项研究调查人工智能方法的潜力,辐射基函数人工神经网络评价甲状腺损伤 学习设计 .研究对象为447名病人,这些病人都一致接受细胞学和组织学评价。语理样本使用液基细胞学编译,而语理学结果则基于随后的外科样本每一样本数字化以图像分析系统测量核形态特征抽取测量器(41 324核)分为两组:用于创建RBFAN培训机集和用于评价RBF性能测试机集系统旨在预测语义状态为良性或恶性 结果 .RBFANN测试集敏感度82.5%、特性94.6%和总精度90.3%,而测试集中的指数分别为81.4%、90.0%和86.9%。算法用于根据RBFANN对病人分类,总体敏感度为95.0%,特征为95.5%,没有观察到统计上的重大差分 结论 .AI技术,特别是ANNs仅在近些年才广泛研究过提议方法大有希望避免误诊断并辅助细胞病理学日常实践这种方法的主要缺陷是程序自动化,从数字化图像中精确检测和测量细胞核SN-2090-8067UR-https://doi.org/101155/205464787DO-10.1155/20546487JF-Hourid研究PB杂志HindawiKW-ER