ఛాతీ ఎక్స్-రే (CXR) ఖచ్చితత్వం..

మెడికల్ ఇమేజింగ్ అప్లికేషన్‌ల కోసం మెషిన్ లెర్నింగ్ (ML)ని స్వీకరించడం ఛాతీ
ఎక్స్-రే (CXR) ఇమేజ్ ఇంటర్‌ప్రెటేషన్ యొక్క లభ్యత, జాప్యం, ఖచ్చితత్వం మరియు
స్థిరత్వాన్ని మెరుగుపరచడానికి ఒక ఉత్తేజకరమైన అవకాశాన్ని అందిస్తుంది.
నిజానికి, ఊపిరితిత్తుల క్యాన్సర్, క్షయవ్యాధి మరియు న్యూమోథొరాక్స్ వంటి
నిర్దిష్ట పరిస్థితులను గుర్తించడానికి ఇప్పటికే అనేక అల్గారిథమ్‌లు అభివృద్ధి
చేయబడ్డాయి.అయితే, ఒక నిర్దిష్ట వ్యాధిని గుర్తించడానికి శిక్షణ పొందడం వల్ల, ఈ
అల్గారిథమ్‌ల యొక్క ప్రయోజనం సాధారణ క్లినికల్ సెట్టింగ్‌లో పరిమితం కావచ్చు,
ఇక్కడ అనేక రకాల అసాధారణతలు బయటపడవచ్చు. ఉదాహరణకు, న్యుమోథొరాక్స్ డిటెక్టర్
క్యాన్సర్‌ను సూచించే నాడ్యూల్స్‌ను మరియు క్షయవ్యాధి డిటెక్టర్
న్యుమోనియాకు సంబంధించిన నిర్దిష్ట ఫలితాలను గుర్తించవచ్చు.

సైంటిఫిక్ రిపోర్ట్‌లలో ప్రచురించబడిన “సాధారణ మరియు అసాధారణ ఛాతీ
రేడియోగ్రాఫ్‌లను వేరు చేయడం మరియు రెండు కనిపించని వ్యాధులకు సాధారణీకరణ
మరియు కోవిడ్-19”లో, అనేక గుర్తింపు లేని డేటాసెట్‌లు మరియు సెట్టింగ్‌లలో
సాధారణ మరియు అసాధారణమైన CXRల మధ్య తేడాను గుర్తించగల మోడల్‌ను ప్రదర్శించారు.
సాధారణ అసాధారణతలు, అలాగే క్షయ మరియు COVID-19 యొక్క చూడని ఉదాహరణలపై మోడల్
బాగా పనిచేస్తుందని శాస్త్రవేతలు వివరించారు.

అందుబాటులో ఉన్న ChestX-ray14 డేటాసెట్ కోసం ఈ అధ్యయనంలో ఉపయోగించిన
టెస్ట్ సెట్ కోసం రేడియాలజిస్ట్‌ల లేబుల్‌1ని కూడా విడుదల చేస్తున్నట్లు
ప్రకటించారు.