人工智能及其对泌尿系统疾病和管理者的影响

人工智慧 (AI) 的最新进展无论如何对保健金融业造成了重大负面影响。在泌大便另有科，人工智慧已被广泛应用运用于患患多种传染患，无论其较为严重持续患态如何，从良患态上皮细胞膜等传染患到大便路上皮胰脏和胰脏等危重传染患。在本文中的，我们力图提问如何在泌大便另有科各个领域配备人工智慧的应以用于和新技术来验证、患患和少于泌大便设计传染患的结果。此另有，我们暗示了运用于人工智慧相对来说于较任何除此以外传统观念工具的占优势。

关键词：泌大便科，人工智慧，神经网路，诱发，大肠腹腔患，生孩子，配子泌大便科，大肠细胞膜胰脏，大肠积水，反流，大便石癫痫，泌大便另有科，风湿泌大便科，胰脏，大便道胰脏

1. Introduction

数字新技术、电长子健康就有和计算能力也的革新准备保健各个领域造成大值资料 [1]。随着资料途径、为数和能值密度的缩减，牙医在来进行资料归纳以确立可信的患癫痫、规画个患态规范诊疗和得显现出结论将来时碰上了重新盲点。因此，牙医那时候依靠人工智慧 (AI) 来相为基础电子规范语义学方法，以弱规范保健各个各个方面的癫痫状患患 [2]。

在保健金融业，人工智慧是指基于计算机科学系统设计和大资料尽力牙医备有保健的所有软件、系统设计、解法和设备。保健资料极其适合运用于在权衡全过程中的为牙医和癫痫状备有促请并已确定最合适的患患工具。人工智慧在这底下的依赖性是创立归纳劳动密集型资料的新工具，这限于人工智慧学科专业的运用于。除了备有极高的癫痫状诊疗另有，它还将减缓效率和共同开发 (R&D)，此另有还可以比传统观念工具不够早地突显现出传染患的系统和就其患态。在在，人工智慧在药理学各个领域的入股和应以用于呈爆炸式增长速度，因为有累积论据详见明它可以弱规范保健的备有。本文提问了 AI 解法和新技术如何在药理学各个领域中的运用于验证、患患和少于泌大便设计传染患的结果，并促使暗示了运用于 AI 要强任何除此以外工具的占优势。

2。材料和工具

2.1.搜寻应付方案和撰文考虑

2020 年 10 月末运用于 PubMed 和 MEDLINE 以及 Scopus 和 Google Scholar 对 2010 年至 2020 年间发详见的泌大便另有科和人工智慧就其文献来进行了非系统设计患态初审。搜寻应付方案限于运用于基于一组关键字的搜寻运算符，其中的之另有：泌大便科、人工智慧、神经网路、诱发、大肠腹腔传染患、生孩子力、配子泌大便科、大肠细胞膜胰脏、大肠积水、大便反流、大便石癫痫、泌大便另有科、风湿泌大便另有科、胰脏和大便道胰脏。

扩及准则：

泌大便另有科人工智慧就其撰文；

概要长度的原始撰文，涵括泌大便设计传染患的患癫痫、患患原计划和结果。

回避准则：

参考资料、评论撰文和书本前言；

动物、检验室或尸骨研究者。

按照扩及和回避准则的范本来进行文献初审。根据所预选撰文的扩及准则，对歌名和参考资料来进行分析报告，然后对概要来进行配对和分析报告。此另有，对所预选撰文的注解列详见来进行了人工初审，以配对任何感兴趣的补充文书工作。经过提问，我们的原作者事与愿违应付了关于达成实质不得不资格的分歧。

2.2.什么是人工智慧？

AI 凸显运用于较为较为简单的非线患态语义学实时系统设计和较为简单的相为基础块来拷贝人类文明神经元，从而相为基础只能有效性制订人类文明活动的自主计算机科学。它首先寻找人类文明思维知觉、表达出来和制订认知功用的方式则。人类文明的思维具备智力、创造力、语言识别系统设计、失忆、的系统识别系统设计、影像、侦探小说以及在或许两者之间确立联系的能力也。人工智慧力图拷贝上述精神力以制订广泛应用的功用，从小型、可管理的战斗任务（如对象识别系统设计）到较为较为简单的战斗任务（如得显现出结论）。AI 应付方案之另有无同性恋地从已知资料中的自学，仅意味着统计数字语义学方法，以及少于有关将来的不得而知资料，从而使权衡战斗任务不够加不够笔记本电脑和轻松 。

人工智慧的事与愿违目的是订做两台只能知觉环境污染并制订战斗任务的机器，以仅有限度地减缓事与愿违概率。借助于这一目的的全过程极其较为较为简单，限于各种人工智慧长子各个领域，如神经网路 (ML)、神经网路 (ANN) 和浅层自学 (DL)、形式化；也 (NLP)、计算机科学影像、得显现出结论归纳、进规范和基因计算、服务器端规范设计、影像识别系统设计和口语；也，其中的大一小运用于当今的药理学和保健。因此，其中的一些只需表述以促使提问人工智慧对泌大便科各个亚工程技术的诊疗负面影响。示意图 1 标示出了人工智慧 (AI)、神经网路 (ML) 和浅层自学 (DL) 两者之间的关系。

示意图1人工智慧 (AI)、神经网路 (ML) 和浅层自学 (DL) 两者之间的关系。

神经网路是基督教时会计算机科学在解法的尽力下得显现出结论精确得显现出结论的全过程，这些解法经过军事训练，可以从语义学方法中的的依然经验中的自学，将共通点映射到相应以的结果变值。ML 的主要目的是让计算机科学只能自动自学何时匹配资料。神经网路是浅层自学的基础，也是神经网路的一个长子各个领域。神经网路被表述为既有结构规范的资讯；也单元，连同它们的突触强度，称之为二阶，实时人脑和神经系统设计的计算能力也。神经元排列在一系列层中的，在自学全过程中的逐渐修改二阶，以在匹配-举例来说映射中的造成最小到从未差错。具备大值层的人工神经网路称之为浅层自学网路。作为人工智慧中的最极为重要的一个长子各个领域，人工神经网路自然在药理学和保健中的推断显现出了有此发展前景的应以用于，之另有心脏患学、肌电示意图、出有、运用于癫痫状诊疗的患患口服追踪和排便呼吸暂停。

举例来说是 ML 中的运用于的得显现出结论机器学习工具之一，以解法工具相为基础，以识别系统设计基于有所不同必需拆分资料集的工具。详细描述举例来说文书工作的一种较为简单工具是也就是说一个权衡端口有两个或多个可能时会的考虑。随机沼泽是一种由大值举例来说相为基础而成的解法，这些举例来说作为一个既有行驶。这些解法在保健金融业被广泛应用引入，以已确定癫痫状最有利的考虑，例如远程保健服务。

另一个在保健中的体现关键依赖性的人工智慧长子各个领域是形式化；也，它限于计算机科学和人类文明语言两者之间的交互。诊疗研究者中的的仅有单打独斗是；也缺乏为数或显然的资料，这是先此前就有在叙述患态诊疗PDF中的的资料的结果。人工智慧在保健各个领域的一些最有此发展前景的用途之另有得显现出结论归纳、得心应以手药理学、传染患患癫痫显像和诊疗权衡支持者。

2.3.人工智慧在泌大便另有科的应以用于

泌大便另有科是一个在药理学史上短间隔时间扩展的各个领域，并且通过引入不够重新新技术来借助于极高的癫痫状结果而短间隔时间发展[4]。泌大便科是一个主要限于男同患态恋和女患态泌大便道和男同患态恋配子内脏的保健各个领域，如果不加以应付，这些特定各个领域的潜在传染患和状况可能时会时会不够加较为严重

Figure 2 shows the role of artificial intelligence in urology.

Open in a separate window

示意图2人工智慧在泌大便另有科中的的依赖性。

人工智慧已被广泛应用应以运用于中期患癫痫、备有有效性患患原计划和另有科工程技术各个领域。人工智慧准备体现极为重要依赖性，尽力牙医为泌大便设计传染患癫痫状得显现出结论权衡（示意图 3）。在依然的 5 年中的，用到了一些研究者证实泌大便科必需有效性的弱规范现实 (AR) 感受。现代泌大便科牙医准备运用于具备七个权利度的工程学肩远程替换成大肠脏，运用于具备示意图详见振荡的弱规范现实。AR 值得注意有所改善了资讯与疗程文书工作流程的整合，使另有科牙医的CT疗程不够加不那么较为较为简单。它带来了药理学基督教时会育和另有科默许各个方面的创新工具，借以备有不够独特、不具互动的感受。比方说，还有其他新技术与人工智慧相为基础，在不大持续患态上负面影响了该各个领域。在泌大便另有科中的，有几个长子工程技术，其中的泌大便学、配子泌大便学、大肠复刻和风湿泌大便另有科是一些运用人工智慧通过患癫痫、患患原计划和疗程精神力分析报告的发展备有极高的癫痫状诊疗的工程技术。下面提问人工智慧在这些长子各个领域的应以用于。

示意图 3人工智慧在泌大便设计传染患癫痫状权衡中的的应以用于。

3. 患癫痫

3.1.泌大便学

它是泌大便科的一个亚工程技术，与体内泌大便道和男同患态恋配子内脏的结核患的患癫痫和患忧郁症关。泌大便设计结核患相对来说常用，胰脏、大便道胰脏和哮喘是澳大利亚患癫痫显现出的 10 种最常用的结核患之一。

3.2.胰脏

广泛应用运用于开发新人工智慧解法的资料都是癫痫状的电长子指纹（EMR）中的抽取的癫痫状的诊疗流行患学资料，因为它们具备高的可分析报告患态。Kim 等人运用来自 944 名大韩民国癫痫状的诊疗资料得显现出结论内脏局限型胰脏和非内脏局限型胰脏。[6] 开发新了一组 ML 软件（详见 1）。相对来说于之下，Partin 详见在运用于相同资料集时降至了 66% 的比率。这项研究者凸显，与运用于准则统计数字语义学方法相对来说于，运用于 ML 解法可以获取极高的得显现出结论结果。

详见格1运用于人工智慧患癫痫胰脏的研究者。

ROC圆弧下面积（AUC）；人工神经网路（NN）；支持者线性机（SVM）；特异患态抗原 (PSA);优雅值规范（NB）；值规范网路（BN）；归纳和复归树（CART）；随机沼泽（RF）；二次判别归纳（QDA）；药理学幻灯片显像（MRI）；语义复归（LR）；递归共通点除去（RFE）；苏木精和曙红 (HE)。

研究者其他部门提显现出了运用于人工智慧来简规范胰脏的患癫痫和归纳的工具，由于药理学显像的革新和圆桌它的论据，这早已沦为可能时会。运用于来自多模板 MRI（药理学幻灯片显像）的各种辐射线组学共通点，AI 软件已运用于验证胰脏 [7,8] 或少于多模板 MRI Gleason 满分（详见 1）。人工智慧要强传统观念患癫痫准则的另一个诱因是它只能不可接受较为较为简单、多变值、大资料的军事训练并从中的自学，从而随着间隔时间的不长短间隔时间小型规范。当运用于显像报告和资料系统设计开发新时，ML 语义学方法标示出 MRI 阳患态病理阳患态癫痫状的平均患态能减缓 33-80%，MRI 阳患态病理阳患态癫痫状的平均患态能减缓 30-60%。费尔等人 判读到 ML 解法比单峰均值有占优势，因为它们在识别系统设计传染患和得显现出结论应以该的 Gleason 平均分各个方面展现显现出得不够有效性。

胰脏的患癫痫取决于流行患学家初审推断显现出地载玻片以及运用于格底下森满分对其来进行分析报告，虽然整个全过程只需大值间隔时间，但根据流行患学家的经验，它可能时会时会致使旁观者内部偏离。诊疗流行患学中的的人工智慧除此以外示意图详见归纳为基础了电子规范示意图详见识别系统设计、检查以及数字规范秘密组织推断显现出地示意图详见的分析报告，借助于了电子规范和准则规范的流行患学患癫痫（详见 1）。夸克等人开发新了一种人工智慧软件，运用于在有所不同分辨率的光学流行患学示意图详见中的验证传染患。运用于拆分的推断显现出地示意图详见，该解法只能在相同的情况下借助于>97% 的灵敏度。上述团队还开发新了具备上皮细胞膜核共通点的神经网路，运用于验证结核患。他们在患癫痫胰脏各个方面的 AUC（ROC 圆弧下面积）得总称 0.97，少于了运用于手工核工程新技术的患癫痫工具。阮等人开发新了一种 ML 解法来对胰脏的 Gleason 满分来进行归纳。在区别上皮秘密组织和泌尿系统秘密组织时，均值在考虑结核患和非结核患推断显现出地时具备有所不同的 AUC 平均分，特别是此前者为 0.97，后者为 0.87。此另有，当备有五个秘密病理共通点时，该解法在区别 Gleason 3 与 4 结核患各个方面的 AUC 为 0.82 。

3.3.大便路上皮胰脏

大便道胰脏，也称之为大便路上皮胰脏，起源于大便道的细胞膜下部（即非肌肉组织浸润患态大便道胰脏），并且可以发散到肌肉组织墙及其他秘密组织（即肌肉组织浸润患态或转移患态大便道胰脏） ）。如果急于推断显现出和患患，它们是既有可治愈的。与胰脏类似，辐射线显像和大便液新陈代谢物标记物已被运用于运用于 AI 新技术患癫痫大便路上皮胰脏（详见 2）。徐等人开发新了具备辐射线组学 mpMRI 共通点的 ML 解法，运用于区别大便道和经常患态大便道墙。加努帕蒂等人 运用于 CT（计算机科学断层照相）大便路摄影术的共通点学和缩放共通点来已确定大便道胰脏的应于。当运用于这些辐射线学属患态时，该解法事与愿违地借助于了 0.7-0.9 的 AUC 得显现出结论结核患应于。邵等人基于大便新陈代谢圣万军事训练举例来说来患癫痫大便道胰脏。他们只能降至 76.6% 的灵敏度、71.8% 的灵敏度和 86.6% 的精准度。池田等运用于转移自学新技术，通过运用于胃影示意图详见来进行极度验证，抽取适运用于大便道影示意图详见的极为重要共通点。所运用于的资料集包含 22 张大便道影示意图详见，并将该语义学方法与仅仅泌大便科牙医和药理学生的结果来进行较为，他们根据工程技术高度被分组。与旁观者组的 634 秒相对来说于，AI 花费的中的位数间隔时间为 5 秒，并且作为 Youden 加权的仅有得分降至 0.930。

详见 2 运用于人工智慧患癫痫大便路上皮胰脏的研究者。

3.4.哮喘

在中期阶段性验证大肠细胞膜胰脏 (RCC) 对其有效性患患至关极为重要，一旦发散，诊疗上可能时会时会很艰难。诊疗牙医可以运用于新陈代谢组学资料和努曼光小曲来相为基础 AI 语义学方法，这些语义学方法在疗程其间或疗程此前对 RCC 的患癫痫是有效性的（详见 3）。郑等人设法运用于一组基于核药理学幻灯片的小鼠新陈代谢物生物学圣万来识别系统设计 RCC。原作者首先将 ANN 运用于一组并将小鼠新陈代谢物归类为健康或 RCC，然后分别少于癫痫状中的 RCC 的验证。此另有，神经网路运用于试验中不可接受大肠畸形的 RCC 癫痫状。期待此前被归类为 RCC 的个体癫痫状在不可接受大肠畸形后那时候可以健康。海弗勒等人运用于不够长波努曼光小曲术中的区别健康和恶患态大肠秘密组织。运用于来自 RCC 和准则秘密组织样本的努曼光小曲军事训练 AI 语义学方法可以有所改善疗程全过程中的良恶患态秘密组织的识别系统设计；目此前的确认意味着流行患学推断显现出地的冰冻切片 。

详见 3 运用于人工智慧患癫痫哮喘的研究者。

3.5.大肠积水/大便道反流

辐射线显像新技术与 AI 一同运用于患癫痫诊疗就其的大肠积水和/或大便折射。阿德勒等人运用于 ML 新技术创立了一个语义学方法，该语义学方法只能基于大肠功用示意图共通点验证大肠积水。与仅下半场间隔时间和 30 分钟清除率相对来说于，该归纳事与愿违地标示出显现出验证大肠积水的精度极高。Cerrolaza 等运用于磁共振共通点来开发新借以得显现出结论大肠梗阻（下半场间隔时间> 30 分钟）的 ML 工具。Logvinenko 等运用于磁共振身体检查来少于大便道大便道摄影术后排空时的大便道输大便管反流 (VUR)。他们推断显现出人工智慧语义学方法的效果略好于多元语义复归。

3.6.配子泌大便另有科

统计数字资料标示出，全球有约有 7000 万对夫妇未怀孕，其中的 50% 的诱因是男同患态恋不育。致使男同患态恋配子缺陷的各种因素有很多，例如基因突变、境遇方式则考虑和保健传染患。考虑到这些各种因素，许多研究者其他部门在他们的研究者中的将得显现出结论归纳与人工智慧新技术相为基础，以展示人工智慧如何在配子泌大便学各个方面备有尽力。在 Gil 等人的研究者中的人工智慧网路和解法语义学方法通过考虑境遇方式则和环境污染各种因素等变值来得显现出结论能值密度。两项研究者都标示出显现出高的灵敏度，第一项研究者标示出精长子pH的灵敏度为~86%，青年运动的灵敏度为 73-76%，第二项的灵敏度为~90%。这些能值密度得显现出结论语义学方法当然可以可作乙型肝炎有生孩子缺陷的男同患态恋的工具，以有效性掩盖任何潜在的传染患。在不可接受不孕不育分析报告的男同患态恋中的，推断显现出 10-20% 忧郁症无精长子癫痫，这是一种由于精长子生成不足或从未精长子而致使阳痿的男同患态恋传染患。阿金巴格等人通过应以用于语义复归归纳和神经网路，来进行了一项回顾患态研究者，以得显现出结论应以该来进行额另有遗传分析报告的无精长子癫痫癫痫状的亚群。该语义学方法以 95% 的比率识别系统设计显现出有等位基因极度的无精长子癫痫癫痫状和从未等位基因极度的无精长子癫痫癫痫状。运用人工智慧来识别系统设计具备潜在基因极度的个体可能时会时会减缓正式基因验证的费用和间隔时间滞后。除了得显现出结论能值密度另有，人工智慧还被应以运用于各种调查，以已确定不孕癫痫的潜在生物学圣万。在 Vickram 等人的一项研究者中的，引入了三种有所不同的 ANN 语义学方法来得显现出结论男同患态恋不育的工程学模板，其中的反转传播人工神经网路 (BNN) 标示出显现出最小的数量级 。有不育缺陷的男同患态恋被促请来进行归纳，其中的大一小模板，如精长子生机和pH，都是手动探测的。为了可避免这些足足的服务器端和举例来说的昂贵替代服务器端，Thirumalarjaju 等人简述了一种运用于 ANN 的基于 AI 的工具，该工具事与愿违地在归纳精长子共通点各个方面造成了预期的结果。该网路以 100% 的极高比率识别系统设计极度样本。

3.7.大便石癫痫

与依然；也方式则相对来说于，那时候；也大便石确诊的方式则再次发生了相当大振荡，这种方式则将受到人工智慧新技术的既有负面影响。该各个领域人工智慧的将来可以为大便石癫痫备有完整的管理：预防措施、患癫痫和患患。Kazemi 等人简述了一种基于应用软件自学的新型权衡支持者系统设计，运用于大肠腹腔的中期验证（预防措施），并暗示了已确定大肠腹腔种类的潜在服务器端。该系统设计运用于了值规范语义学方法、举例来说、神经网路和基于规则的均值等各种人工智慧解法来表达出来得显现出结论大肠腹腔所限于的较为较为简单生物学学共通点，该系统设计的比率为 97.1%。Längkvist 等 确立了一个 CNN（变换人工神经网路）语义学方法，运用于在实时 CT 照相中的验证输大便管腹腔。该语义学方法只能以 100% 的特异患态对腹腔来进行归纳，推断显现出每次照相的假阳患态为 2.68，AUC-ROC（射频操作者共通点圆弧）为 0.9971。

3.8.风湿泌大便另有科

风湿泌大便科；也婴成人和成人的先天患态显现出生小童和传染患。尽管人工智慧尚未在该各个领域被仅仅不可接受和探索，但它无论如何带来了重新必需患态。大有约 1-3% 的孩童忧郁症 VUR，如果不急于患癫痫和患患，这种情况可能时会时会负面影响大便道和大肠脏。AI 在精神科泌大便另有科的最初应以用于之一是运用于 ANN 的系统来得显现出结论 VUR。为了可避免 VUR 验证的痛苦全过程，例如排大便患态大便道大便道摄影术 (VCUG)，时会使孩童掩盖在辐射下，Papadopoulos 等人。提显现出了一种称之为格林得显现出结论的 ML 框架，运用于验证 VUR。与其他新技术相对来说于，该语义学方法展现显现出显现出极高的灵敏度。比方说，有人促请运用于另一种新型 ML 语义学方法来得显现出结论与 VUR 就其的痉挛患态大便路感染 (UTI) 的将来不已确定患态。得显现出结论语义学方法在识别系统设计最这样一来从 VCUG 中的获益的孩童各个方面具备合理的已确定患态，从而借助于个患态规范患患。

3.9.泌大便另有科疗程

泌大便另有科是泌大便另有科的另一个各个领域，其中的人工智慧被运用于在规画和疗程默许各个方面降至重新朝著。此前面提到的一些CT疗程也不属于这个长子各个领域。在大便道影检查其间脱逃的示意图详见在识别系统设计大便道传染患中的起着关键依赖性。池田等简述了一种基于 CNN 的支持者系统设计，运用于运用于 2102 个大便道影示意图详见应以该患癫痫大便道胰脏。确立的语义学方法将经常患态秘密组织的示意图详见与软组织的示意图详见来进行了高精度的分离（ROC下面积：0.98；仅有有约甫加权（YI）：0.837；敏感患态：89.7%；特异患态：94%）。

4. 结果得显现出结论

癫痫状结果得显现出结论归纳只需开发新统计数字工具来暗示资料以得显现出结论特定癫痫状的结果。我们可以运用于统计数字机器学习新技术或人工智慧各个领域用到的新工具。这些工具这样一来应付诊疗和生物学学资料中的十分相似的缺乏正确患态和较为较为简单患态的缺陷。此另有，人工智慧新技术可以不够仅有限度；也对于准则统计数字语义学方法来说实在大或实在较为较为简单的大资料归纳 [34]。

4.1.胰脏

个体癫痫状的诊疗流行患学共通点运用于开发新人工智慧解法来得显现出结论结果。王等人 运用于每位癫痫状的诊疗流行患学共通点来开发新 ML 解法，该解法可以少于畸形后的工程学开刀（详见 4）。他们开发新了三种有所不同的 ML 解法，这些解法在 338 名癫痫状的资料集上来进行了军事训练，以借助于 95% 到 98% 两者之间的灵敏度和 0.9 到 0.94 两者之间的 AUC。与传统观念的 Cox 复归归纳相对来说于，这些工具具备极高的得显现出结论效率。秘密组织共通点探测资料、显像辐射线组学共通点 和秘密组织基因组归纳 [39,40] 也是运用于癫痫状结果得显现出结论的工具之一。这些研究者已事与愿违证明，与其他除此以外工具相对来说于，人工智慧在结果得显现出结论各个方面具备极高的正确患态。

详见 4 运用于 AI 得显现出结论胰脏结果的研究者。

正则规范极限自学机（RELM）；详见面RNA（miRNA）；糖蛋白 (GP)。

除了药理学诱因，疗程展现显现出也时会负面影响癫痫状的结节病。洪等人 创立并试验中了 AI 解法，以找显现出癫痫状不可接回所医院的间隔时间以及EVA根治患态畸形后泌大便操控的维持（详见 4）。该解法只能在少于住院间隔时间各个方面降至 87.2% 的灵敏度，在少于泌大便操控各个方面的 C 加权为 0.6。

4.2.大便路上皮胰脏

大便路上皮胰脏开刀的随机性高。运用于得显现出结论结核患开刀和癫痫状事与愿违率的 AI 系统设计早已过另有观设计 [43,44,45,46]（详见 5）。林和王等人 运用于诊疗流行患学论据创立并试验中了大值人工智慧解法，以少于根治患态大便道畸形后的 5 年求生存率。他们给与的文书工作结果与其他统计数字工具给与的结果相同。萨普雷等人提显现出运用于带有大便液 microRNA 的 ML 均值来患癫痫癫痫状的大便道胰脏。本研究者的归纳结果在判读诊疗就其传染患时借助于了 0.8 至 0.9 两者之间的 AUC，同时还将大便道影检查的只消费减缓了 30%。巴奇等人运用于基因详见达小曲开发新人工智慧应付方案来得显现出结论非肌肉组织浸润患态大便道胰脏的开刀。这些检验说明了 AI 运用于患患大便路上皮胰脏的潜在用途的必需患态。

4.3.大便石癫痫

经皮大肠影取石术 (PCNL) 和瞬间碎石术 (SWL) 是为人所知的大便石癫痫患患工具；然而，事与愿违率可能时会时会有不大差异，并且可能时会之另有在患患不事与愿违的情况下以此类推疗程。阿明沙底下菲等人运用于神经网路得显现出结论无腹腔 PCNL 率，比率为 82.8%，只需以此类推 PCNL，比率为 97.7%。曼尼尔等人。[48] 将他们的研究者高度集中的在个体癫痫状上，运用于癫痫状的肥胖加权 (BMI)，以及腹腔的 3D 缩放和复杂性，还考虑了面部到腹腔的距离来少于 SWL 的患态能。原作者开发新并试验中了五种 AI 解法，每种解法都具备有所不同的癫痫状共通点 3D 缩放排列，以就有 0.79 到 0.85 两者之间的 AUC 值，这是仅运用于癫痫状共通点时获取的 AUC 平均分 0.58 的增值。对于有所不同的报告，运用于 3D 缩放归纳来少于有效性 SWL 所只需的瞬间为数 [49]。与其他统计数字语义学方法相对来说于，AI 标示出了对所只需瞬间为数（

4.4.大肠复刻

由于大肠复刻 (RT) 是患患终末期大肠功用心肌梗塞 (ESRF) 的最佳举例来说规范学疗法，因此在该全过程中的造成了一些盲点，可以通过归纳复刻癫痫状的事与愿违率来应付。保健资料的举例来说患态和人工智慧新技术的小型规范使这一具备吸引力的此发展前景不够加不够容易借助于。

RT 中的 AI 的局限患态近年来圆桌着应用软件自学，其中的组合多个语义学方法以借助于极高的得显现出结论患态能。艾德等人提显现出了一个 ML 解法的应用软件语义学方法，通过运用于 18 个有所不同的得显现出结论变值来有效性分派大肠脏。与运用于已确定分派系统设计中的数据包可用性的其他除此以外语义学方法 (0.68) 相对来说于，求生存语义学方法展现显现出显现出极高的一致患态加权 (0.724)。在在，由西班牙研究者其他部门都是由的国际团队开发新了一种名为 iBox 的不已确定患态得显现出结论满分，运用于得显现出结论 RT 后同种样复刻失利的不已确定患态 。这个有力的系统设计要强局限患态的黄金准则（少于的大肠小球PSI率和蛋白大便）来追踪大肠脏激素。这种工具的得显现出结论在 7500 多名癫痫状身上给与验证，在权衡各个方面极其精确，不受保健环境污染、保健必需、诊疗行动或仅仅癫痫状患患的负面影响。

尽管 RT 是比另有科手术极高的考虑，但受者的大肠脏似乎有排外的不已确定患态，因此有必需急于推断显现出此类出血。Abdeltawab 等 提显现出了一种及时患癫痫急患态PET排外的非考虑患态工具。原作者开发新了一种基于幻灯片和诊疗生物学圣万的新型基于浅层自学的计算机科学除此以外患癫痫系统设计。该工具在区别未排外和显现出院大肠复刻各个方面的敏感患态为 93.3% 和特异患态为 92.3%，因此其灵敏度为 92.9%。运用于 RT 幸存者统计数字资料，Kyung 等人来进行了回顾患态研究者并确立了得显现出结论分析报告 RT 不可接受器中的复刻物事与愿违率的 ive 语义学方法。与传统观念举例来说和 Cox 复归语义学方法相对来说于，他们的求生存举例来说语义学方法展现显现出极高，一致患态加权都为 0.80、0.71 和 0.60-0.63。

5. 患患原计划

5.1.胰脏PET

胰脏的远距离辐射线患患限于远距离患患师的系统设计准备，这是一个足足的全过程，可能时会时会造成有所不同的结果，具体取决于旁观者 。早已有大值研究者限于运用于 ML 解法来更快确立远距离辐射线患患的维持原计划。推断显现出创立和试验中解法所只需的间隔时间要不够长得多（0.8 与 17.9 分钟；p = 0.002），而得显现出结论的剂值学高效率相对来说符合标准的远距离患患师 [55]。由于另有部辐射线患患其间有所不同的解析几何较为较为简单患态，剂值测定的正确患态可能时会时会受到负面影响。AI 解法是由 Guidi 等人开发重新 ；也与可避免辐射损伤就其的此类缺陷。CT 示意图详见运用于在患患的辐射线患患原计划和维持阶段性军事训练 AI 解法，运用于较为原计划和制订的辐射线患患，从而尽力癫痫状从不可接受个患态规范诊疗中的获益。

5.2.结核患口服考虑

人工智慧默许将借以为结核患患癫痫和患患考虑足够的口服。努尔等人 运用于 ML 新技术来探测和分析报告 300 多种口服在去势抵抗患态胰脏细胞膜中的的活患态。Nitoclax 堂兄弟抑制剂 Bcl-2 被详细描述为对去势抵抗的胰脏癫痫状具备既有活患态。

5.3.疗程精神力分析报告

药理学工程技术知识和事与愿违的分析报告通常通过人工都对检查来进行，允许工程技术其他部门分析报告疗程事与愿违或追踪疗程患态能。由于有所不同旁观者对事与愿违的有所不同表述，此类分析报告通常不可信并减低了不已确定患态。内窥影探测仪器备有与摄像机应用软件的反之亦然可视规范。还可以收集这些资料以及其他种类的资讯，之另有疗程战马的移动。来自疗程EVA的此类示意图详见和举例来说资料可运用于运用于 AI 新技术自动试验中疗程举例来说。示意图 4 标示出了运用于 AI 新技术的一般病理的服务器端详见示。病理标志识别系统设计是分析报告低阶疗程精神力的极为重要高效率。努努蒂等人和开罗迪等人运用于 ML 解法来研究者一小大肠畸形和根治患态畸形其间疗程部位病理共通点的可视规范的颜色和缩放共通点。

示意图 4(a) 感兴趣区域的识别系统设计/拆分。(b) 运用于浅层自学新技术对秘密组织流行患学示意图详见来进行归纳。

疗程战马的青年运动和单手也是患态能分析报告的极为重要高效率。加尼等人[60] 相符合战马的青年运动来已确定疗程即兴和新技术。原作者通过手动或运用于青年运动收集了有关战马青年运动的资料，然后将其匹配 ML 解法以已确定另有科牙医的工程技术高度，借助于了 83.3% 到 100% 两者之间的精度。

去：

6. EVA疗程

除了分析报告疗程精神力另有，如此前一节所述，人工智慧还在小型规范重新疗程新技术各个方面体现着关键依赖性，例如限于疗程EVA的CT疗程。通过归纳的系统已确定最佳概念化并尽力减缓新技术差错是人工智慧在EVA疗程中的的主要战斗任务。其在泌大便另有科各个亚专科中的的展现显现出将在下面提问。

6.1.泌大便学

EVA泌大便另有科疗程和CT疗程的最新进展使患患胰脏的工具沦为可能时会，例如整形畸形和EVA除此以外疗程。EVA疗程是一种极其精确的疗程，可备有亮眼的结核患操控，并且在有经验的人手中的被显然是必需的。根治患态大便道畸形一直是患患肌肉组织浸润患态大便道胰脏癫痫状的疗程准则。尽管与全站患态根治患态大便道畸形 (ORC) 相对来说于，EVA除此以外根治患态大便道畸形 (ORC) 的少于血块值 (EBL)、输血率和住院间隔时间值得注意减缓，但出血和阳患态率已推断显现出向外状态雷同 。尽管 RARC 的依赖性存在争议，但它已沦为一些范本秘密组织（之另有欧洲泌大便另有科协时会）可不可接受的全站疗程替代拟议]。

6.2.配子泌大便另有科

埃塔菲等人 在一项研究者中的，证实EVA除此以外显微另有科疗程那时候在；也男同患态恋不育癫痫各个方面是必需可取的。每年有少于 500,000 名澳大利亚男同患态恋考虑结扎结扎术作为外科手术工具，其中的 2-6% 事与愿违时会不可接受结扎结扎术逆转。研究者详见明，EVA除此以外肺部造口术 (RAVV) 造成的结果与正因如此显微另有科新技术的结果极其 。虽然此前一种工具并不一定优越，但与一般而言另有科疗程相对来说于，它备有了一些额另有的占优势。这些好处之另有除去震颤、多视示意图放大、额另有的战马肩以及通过两车战马肩减缓适应以患态。

6.3.风湿泌大便另有科

在精神科，EVA疗程由于成本和缺乏已发详见的专业性论据仍然存在争议。Ballouhey 等人。提问了孩童的体型差异如何不可沦为来进行EVA疗程的管制各种因素（肥胖>15 kg 或

6.4.大肠复刻

EVA除此以外PET (RART) 是 AI 的另一种应以用于，强烈推荐运用于肥胖癫痫和高危 ESRF 癫痫状，因为与传统观念疗程相对来说于，它具备较少的出血再次发生率和亮眼的复刻功用 [78]。RART 被显然是一种必需、可取和可以此类推的考虑，当另有科牙医在EVA和传统观念 RT 疗程各个方面有概念化经验时来进行。

七、提问

在本文中的，我们深入探讨了 AI 如何尽力来进行泌大便设计传染患的患癫痫、结果得显现出结论和其他患患全过程，即使备有了异构和较为较为简单的资料集。由于近年来资料收集的相当大激增致使资料粒度的增长速度使得传统观念统计数字语义学方法较难暗示和的系统识别系统设计，传统观念统计数字语义学方法受到运用于相同就其患态的管制，这些就其患态也就是说资料具备线患态就其。在；也有所不同资料种类以及；也电磁干扰、资料缺失和癫痫状不频繁就诊时，人工智慧不够有力和灵活。它甚至可以；也高维资料，同时得显现出结论少于的也就是说。

尽管运用于 AI 可能时会时会很急迫，但应以该运用于 AI 所获取的结果和正确患态少于了运用于准则统计数字语义学方法判读到的结果。它还可以尽力简规范手动制订的服务器端，从而减缓由于人为各种因素能力也、同性恋和工具差错或效率偏高而致使的结果振荡。因此，基于人工智慧的语义学方法可尽力诊疗牙医急于获取可信且个患态规范的资料，以尽力得显现出结论权衡。据判读，人工智慧在大多数战斗任务上都降至了极高的比率，但它不可用来讲出每一个缺陷。有时，准则统计数字语义学方法可以胜于 AI 语义学方法。马塔等人 较为了基于泌大便学结果的三个独立资料集的 ML 少于和 Cox 比例不已确定患态复归工具。Cox 复归可能时会符合或少于 ML 语义学方法得显现出结论。人工神经网路可以权利地运用于模板来来进行共通点和类别得显现出结论的转成，人工神经网路是精确的并适应以这些权利模板的仅有值。相为基础良好的传统观念语义学方法可以胜于相为基础糟糕的 ML 语义学方法。运用于基于神经网路的语义学方法的另一个缺陷是其实质的黑匣长子。当我们录制一个浅层人工神经网路时，该语义学方法时会相为基础非线患态、非单调的响应以函数，尽管这些函数具备值得注意的正确患态，但可能时会不够难暗示，这使得这些网路的患态能比理论不具经验患态。

几位诊疗牙医和研究者其他部门提问了人工智慧在保健和患患某些泌大便设计传染患中的的依赖性。本科学论文引入的工具备有了一个全面的论点，力图应付泌大便另有科各个领域人工智慧的所这样一来各个方面。我们初审的研究者在军事训练共通点、运用于的解法和判读到的终点各个方面各不相同，这使得定值归纳的战斗任务不够艰难。此另有，这些研究者缺乏串连有所不同资料集的普遍患态，因为我们只给与该特定资料集的结果。其中的一些也从未给显现出与准则统计数字语义学方法的较为，这管制了我们表达出来 AI 新技术如何要强其他语义学方法的能力也。

人工智慧新技术在药理学各个领域的仅仅应以用于还有很长的路要跟着。他们造成了着专业性的能值密度操控和监管盲点。澳大利亚 FDA（澳大利亚食品药品监督管理局）发布了首个 AI 系统设计分析报告范本 [82]，该范本详见明RC以的系统应以在诊疗研究者中的备有真实的论据，以分析报告 AI 新技术的有效性患态。AI 语义学方法是资料驱动的；他们从备有给他们的资料中的自学，因此只需年中工程技术军事训练以仅有限度地减缓其实用患态和正确患态。

8. 结论

在依然的十年底下，人工智慧在保健各个领域取得了加权级的革新。在仅仅信任这些新技术运用于保健各个领域此前，仍有许多单打独斗和盲点只需应付。尽管人工智慧在泌大便另有科各个领域的此发展前景是荣光的，但考虑到它早已通过中期患癫痫和个患态规范患患为；也各种健康缺陷备有了亮眼的应付拟议，但在取得扎实的结果各个方面仍有不大的小型规范和增长速度空间在个患态规范的基础上积极负面影响不够多的境遇。

吕建林 基督教时会授

作序的《实用泌大便磁共振新技术》