X射线图像支持儿童肺炎的诊断

在最近的卫生部文件中，肺炎与巴西的儿童死亡率有关。肺炎是儿童死亡率的最重要原因，占据了包括巴西在内的发展中国家死亡的第二个原因。

世界卫生组织（WHO）将胸部X射线视为目前可用于诊断日常临床实践的最佳方法。但是，对异际变异的研究在医学的所有领域都很常见，但是在图像研究中占主导地位，鉴于在这一领域，观察者的表现代表了过去十年中获得的脆弱部分，与技术进步形成鲜明对比。

经验丰富的观察者委员会与“共识”不同的解释可以称为“错误”。当观察者出现错误时，观察者之间的变化发生在发生，但还包括有关正确解释所代表的一般意见差异的情况。在X光片的解释中，已经研究了错误和变化。

为了确定任何研究结果的有效性，诊断测试的准确性应尽可能接近现实，然后称为“标准值”

黄金”的诊断测试评估的基本因素。在胸部的射线照相诊断的情况下，尤其是在儿童时期，图像解释的准确性是通过间和观察中的一致性来主观评估的，因为很少有一种模式可以用作肺炎诊断的参考（标准）。

因此，目前的儿童肺炎全景具有以下特征：

（i）肺炎是儿童发病率和死亡率的重要原因；

（ii）从微生物学的角度来看，缺乏敏感的诊断测试；

（iii）高效的儿童疫苗（HIB疫苗和抗邻苯前菌）是可用的；

（iv）缺乏易于执行和技术实施的准确诊断测试，在可能受到标准化的发展领域可用，以便在研究之间进行比较。在不同的

肺炎监测研究中的世界地区证明其低成本是合理的。大多数研究地点的可用性；与其他研究比较的生存能力；易于数字化图像和存储；该方法的读数标准化和低医源性的可能性。

人工智能在健康中使用人工智能（AMI）的专家系统的应用特别关注

（i）警报和提醒；

（ii）帮助诊断；

（iii）治疗批评；

（iv）信息恢复代理；和

（v）图像的识别和解释。在实施AMI系统的当前挑战中，有准确表征医学实践方面的系统的开发。

在过去的三十年中，计算视觉（VC）是一种新的AI工具。 VC基于处理图像的VC考虑了个人的个人知识，并以数学模型的形式对这些知识进行建模，并旨在根据先前解决的问题解决新问题。重要的特征是将其作为其产品的技术进化，即来自其在VC凸起中应用的信息的标准化。

最新版本1.3中的新功能