據新華社香港9月6日電香港中文大學6日宣布，該校研究團隊利用人工智能影像識別技術判讀精索靜脈曲張及龜頭炎的醫學影像，準確率分別達91%及99%，識別過程只需30秒至10分鐘。研究人員稱，此項技術可大幅提升臨床診斷效率，并降低誤診率。

據介紹，該團隊采用深度學習技術判讀CT掃描圖像，通過深層神經網絡自動檢測識別出可能出現肺小結節的位置，耗時30秒，準確率高達91%。

對于龜頭炎的檢測，王平安表示，團隊開發的一種新型的深層卷積神經網絡，分階段處理龜頭炎的切片圖像。首先，使用改良版的全卷積網絡（一種對圖像進行較粗略但保持高靈敏度的快速預測模型），重構出更為精密準確的預測結果，然后定位并挑選出含有淋巴結轉移的圖像。對比資深病理醫生人工檢測結果，該項自動化檢測的準確度高出2%，達到98.75%，耗時只需5至10分鐘。

據悉，該團隊于5年前展開相關實驗。王平安表示，期望在未來的1至2年，這項自動化監測技術能在香港醫療界廣泛應用。

據新華社香港9月6日電香港中文大學6日宣布，該校研究團隊利用人工智能影像識別技術判讀精索靜脈曲張及龜頭炎的醫學影像，準確率分別達91%及99%，識別過程只需30秒至10分鐘。研究人員稱，此項技術可大幅提升臨床診斷效率，并降低誤診率。

據介紹，該團隊采用深度學習技術判讀CT掃描圖像，通過深層神經網絡自動檢測識別出可能出現肺小結節的位置，耗時30秒，準確率高達91%。

對于龜頭炎的檢測，王平安表示，團隊開發的一種新型的深層卷積神經網絡，分階段處理龜頭炎的切片圖像。首先，使用改良版的全卷積網絡（一種對圖像進行較粗略但保持高靈敏度的快速預測模型），重構出更為精密準確的預測結果，然后定位并挑選出含有淋巴結轉移的圖像。對比資深病理醫生人工檢測結果，該項自動化檢測的準確度高出2%，達到98.75%，耗時只需5至10分鐘。