提炼
人工智能(AI)提出了一个有吸引力的机会,为放射科学家提供决策支持,他们通常被每年要求的X线本数量越来越多的射线照相负担过来[1]。解释错误,报告延迟和积压,尤其是胸部射线照相(CXR),继续成为繁忙放射学部门面临的主要问题。
抽象的
深度学习软件可以向放射科医师提供决策支持。新的证据表明,这些工具几乎准备好在临床实践中实现。https://bit.ly/3vk4h5t.
脚注
利益冲突:L. Calandriello宣布来自Boehringer Ingelheim和Roche的荣誉。
利益冲突:S.L.F.沃尔什从国家卫生研究所宣布奖学金和酬金;来自Boehringer Ingelheim,Sanofi-genzyme,加拉帕戈斯,罗氏,Bracco,Fluidda,开源成像联盟,Oncoarendi治疗和Medscape的咨询费和酬金。Boehringer Ingelheim,Sanofi-genzyme,Galapagos和Roche的咨询委员会成员资格。
- 已收到2021年3月1日。
- 公认2021年3月2日。
- 版权所有©作者2021.用于再生权和权限联系权限{exernet.org
图书馆用户
通过您的机构登录
如果您的图书馆有订阅,则可能已通过IP地址登录。否则,您可能能够通过以下路由之一登录。
您可以使用您的机构使用您的登录凭据来访问访问权限。如果您没有用户名和密码,请联系您的库。
如果您的组织使用OpenAthens,您可以使用OpenAthens用户名和密码登录。要检查您的机构是否得到支持,请参阅这个列表。有关详细信息,请联系您的图书馆。
如果您认为您应该访问,请联系您的图书管理员或电子邮件Journals@ersnet.org.
购买访问权限
您可以购买对本文的访问权限。如果您尚未拥有一个,这将要求您创建帐户。