DOI 10.1016/j.tube.2017.09.006
Приспособление к искусственным нейронным сетям и использование искусственного интеллекта в качестве инструмента диагностики туберкулеза: обзор.
Аннотация
Туберкулез (ТБ) затронул многие страны мира. Согласно докладу Всемирной организации здравоохранения (ВОЗ), в 2015 году было зарегистрировано 1,4 млн. случаев смерти от туберкулеза и еще 0,4 млн. случаев смерти от туберкулеза среди лиц, живущих с ВИЧ. Большинство случаев смерти от туберкулеза можно предотвратить, если они обнаруживаются на ранней стадии. Существующие процессы диагностики, такие, как анализ крови или анализ слюны, не только утомительны, но и требуют длительного времени для анализа и не могут проводить различие между различными стадиями туберкулеза, устойчивыми к лекарственным препаратам. Потребность в поиске новых оперативных методов обнаружения заболеваний подкрепляется новейшими инструментами искусственного интеллекта [АИ]. Искусственная нейронная сеть (ANN) является одним из важных инструментов, широко используемых при диагностике и оценке состояния здоровья. Целью этого обзора является краткое ознакомление с различными средствами ИИ, используемыми для выявления туберкулеза, и подробное описание использования АНН в качестве эффективного метода диагностики. В документе также содержится критическая оценка ANN и существующих методов диагностики туберкулеза. Исследователи и специалисты в этой области рассчитывают использовать АНН и другие предстоящие инструменты АИ, такие, как < < Фуззилогика > > , генетические алгоритмы и симуляция искусственного интеллекта, в качестве перспективных современных и будущих технологических инструментов для борьбы с глобальной угрозой туберкулеза. Последние достижения в области диагностики включают комбинированное использование ANN с различными другими средствами АИ, такими, как Luzzy-logic, что привело к повышению эффективности и специфичности методов диагностики.
Название и аннотация на языке оригинала
Acquaintance to Artificial Neural Networks and use of artificial intelligence as a diagnostic tool for tuberculosis: A review.
Tuberculosis [TB] has afflicted numerous nations in the world. As per a report by the World Health Organization [WHO], an estimated 1.4 million TB deaths in 2015 and an additional 0.4 million deaths resulting from TB disease among people living with HIV, were observed. Most of the TB deaths can be prevented if it is detected at an early stage. The existing processes of diagnosis like blood tests or sputum tests are not only tedious but also take a long time for analysis and cannot differentiate between different drug resistant stages of TB. The need to find newer prompt methods for disease detection has been aided by the latest Artificial Intelligence [AI] tools. Artificial Neural Network [ANN] is one of the important tools that is being used widely in diagnosis and evaluation of medical conditions. This review aims at providing brief introduction to various AI tools that are used in TB detection and gives a detailed description about the utilization of ANN as an efficient diagnostic technique. The paper also provides a critical assessment of ANN and the existing techniques for their diagnosis of TB. Researchers and Practitioners in the field are looking forward to use ANN and other upcoming AI tools such as Fuzzy-logic, genetic algorithms and artificial intelligence simulation as a promising current and future technology tools towards tackling the global menace of Tuberculosis. Latest advancements in the diagnostic field include the combined use of ANN with various other AI tools like the Fuzzy-logic, which has led to an increase in the efficacy and specificity of the diagnostic techniques.
Предметные рубрики MeSH
Подготовка и перевод публикации
Обработка статьи · этапы, ошибки и управление
Ошибки и ограничения
История · было → стало
Состояние обновляется каждые 5 секунд, пока блок открыт. Процент показывается только там, где известен объём работы. Пауза останавливает продолжение этапа; текущий запрос к источнику может завершиться.
Тип публикации указан по данным источника. Уровень доказательности автоматически не присваивается.