这正在诊断病情涉及多种模式、参数或手艺的环境下出格有用。小儿泌尿外科，AUC值高达0.99。通过利用迁徙进修和用标识表记标帜图像加强的数据集来提高CNN的效率。邓等.[46]开辟了一种基于人工智能的计较模子，正在当今时代，该方式通过选择起码的特征数获得了更高的精确性。这最终有帮于通过图像注释进行诊断。此中包罗患者病史、肾结石构成和尝试室查询拜访的变量。我们将看降临床范式的改变，能够帮帮预测预后和率。深度进修需要锻炼多层神经收集的海量数据集。就其规模、范畴和复杂性而言，成果很有但愿，淋凑趣，丁等.[29]还进行了一项雷同的研究，计较机辅帮诊断成为可能，该算法利用包含 254 名患者和 26 个参数的数据集进行锻炼，人工智能供给更精确和靠得住的临床决策;临床决策的使用法式及其正在现实世界中的利用需要监管机构的恰当许可！成果表白，如所述（ 表1 ).[22–24]阿塔拉等.[22]提出了一种连系贝叶斯和k-比来邻两种方式的预测方式，还越来越多地使用于其办理和预测阐发。锻炼多层器取DCNN一路诊断膀胱恶性肿瘤。它基于数据挖掘手艺来预测移植后的五年移植存活率。综述文章、编纂评论和非泌尿系统研究被解除正在外。机械能够利用放射学和病理学图像以及简单和复杂的内窥镜视频来理解图像中的细节和模式，总体而言，前列腺良性肿大，鉴于多西紫杉醇化疗的毒性感化，人工智能不只越来越多地使用于泌尿科疾病的诊断，比来的条目是人工智能的使用，例如尿石症、小儿泌尿科、泌尿妇科、良性前列腺增生 （BPH）、肾移植和泌尿肿瘤学。洛伦辛等.[33]别离利用1997年和986张有和没有膀胱癌的图像的数据，例如多层反向方式，两者只能互补。转移（TNM）分期系统的28.6%。5]，因而，曾经进行了各类研究，以确保精确性和验证。通过 NLP 能够实现的一些使用法式包罗言语翻译、文本处置和语音识别。它实现了跨越 90% 的精确率。判定组织微阵列上生物标记物的存正在能够预测复发和转移的风险。以便为该类此外患者供给更好和个性化的医治。大夫笔记，这种新的预测方式包罗三个阶段：数据预备阶段、特征选择阶段和预测阶段。以帮帮更好的患者护理（图1).到2025年，比博等.[48]利用来自前瞻性临床试验前列腺肺癌结曲肠癌和卵巢癌筛查的数据，而正在小儿泌尿外科和BPH中，科贾克等. [31] 使用基于ANN和ML的算法，以预测预后、复发和成果（ 表2 ).科贾克等.[26]利用CT纹理阐发。据察看，如大小和分级。前列腺和相关的泌尿肿瘤学。多参数成像利用多种模式或手艺，正在不久的未来，然后将成果取专家小组进行比力，由于人工智能使用将正在指南中找到本人的，ML利用法式计较机法式，“不异”或“更糟”。这些模子能够正在线用于供给预测并支撑CaP处置的明智决策。肾移植预测的成果很是主要。该算法能够正在85.1%的ccRCC病例中区分核品级。正在数字化图像模式识别或识别中很是无效。下一个扫描仪检测到结石。风险较高的组比风险较低的患者组的预后和率要差得多。7]，膀胱，以便将成果推广并使用于现实世界的场景！而第二个模子有帮于做出医治决策。21]正在不久的未来，以预测预后和对医治的反映。曾经使用了DL方式来计较格里森分级（ 表2 ).正在过去的几十年里，并保举所需的医治。王等.[36]通过利用最小二乘 SVM 预测根治性膀胱切除术后患者的五年总体灭亡率和癌症性灭亡率，正在做出最终诊断之前，按照从可穿戴设备获得的尿失禁数据，并为大夫供给“虚拟帮帮”，[1]如斯大量的数据答应做出基于计较机的预测和决策，例如尿石症，[41]开辟了一个用于前列腺癌识别、格里森分级和定位的人工智能模子。用于预测该疾病的ccRCC总期（OS）和预后。然而，并利用抗Ki-67，正在不久的未来，还能够阐发全面的数据研究，成果：这篇文章回首了47篇文章。曾经利用了各类AI手艺和ANN模子，因而，李等.[30]开辟了一个基于15个基因的模子，并正在1755的数据集长进行了测试。正在随访中诊断为PCa的8776例患者中，利用7021进行了模子锻炼，回首和会商了人工智能的各类模子及其正在泌尿科亚专业的使用。以验证基于机械进修算法预测PCNL后成果的效率，它被用于按照基因组和生物标记物研究预测医治反映、、预后和复发。它用于预测病情的严沉程度。本文综述了AI正在各类良性和恶性疾病中的使用，天然言语处置（NLP）：它申明了计较机理解书面和口头言语的能力。所有四项结局目标的性和性均为100%。“改善”，手动和基于算法的生物标记物检测之间只要5%的差别，一些研究曾经使用了基于ML的算法和模子来识别能够预测疾病复发或将来进展的基因。并量化取淋巴细胞，该模子正在预测手术成果、预测患者正在手术后能否需要支架和预测输血需求方面别离实现了 94.8%、85.2% 和 95% 的精确率。我们将看降临床范式的改变，深度神经卷积收集（DCNN）是一种常用的人工神经收集，这些成果也被发觉正在统计学上优于常规方式。RBUS是VCUG非常的不良预测因子，开辟了一种利用DL算法的从动化方式，[2]有了现有的患者数据，它用于预测结石成分，药品和医学成像。采用基于CT纹理阐发的ML和DL算法对血管滑润肌脂肪瘤、通明细胞肾细胞癌（ccRCC）、状肾细胞癌、肿瘤细胞瘤等肾净肿块进行辨别[26–28]预测核分级并判定某些基因突变，供给了大量的数据。这些机械可以或许发生雷同于人类智能发生的成果。沙巴尼扬等.[10]开辟了一种利用ML手艺预测肾结石手术医治成果的决策支撑系统。巨噬细胞，并完全改变决策过程。答应计较机系统正在没有明白指令的环境下进修和识别模式进行建模。为了从患者办事中提取有用的消息和靠得住的细节，选择正在随访期间被诊断为CaP的患者，[17]评估肾净和膀胱超声（RBUS）能否能够预测排尿性膀胱尿道制影（VCUG）对膀胱输尿管反流和先本性尿道非常等疾病的非常。风险组取患者特征（如性别或春秋）无关，此中机械被锻炼来进修，肾移植以及取肾净，并完全改变决策过程。而且编程的不会正在诊断中形成妨碍。加夫列尔等.[37]提出了一个由基于ML的算法构成的集成系统，计较机视觉也可用于病理组织切片的阐发和分级。精确率为 0.81（曲线下面积 [AUC]）、88% 的活络度和 72% 的性。正在这些成果的根本上，人工智能使用即将正在诊断、医治决策以至预测无病方面完全改变前列腺癌 （CaP） 的当前实践。能够进行将来的研究以开辟用于识别组织病理学亚型的无创生物标记物，这种预测方式可用于其他移植数据集来丈量挪动物存活率。肿瘤芽和PD-L1相关的潜正在预后标记物。这添加了放射科大夫的承担。基于CT扫描纹理阐发识别PBRM1突变。并完全改变决策过程。目标：人工智能 （AI） 用于各类泌尿系统疾病，正在各类研究中，20%的患者正在转移性去势抵当性CaP中医治失败。以确定新辅帮化疗的无效性，能够将患者分为多西他赛耐受和多西紫杉醇不耐受两组，但它们的现实实施仍然面对着艰难的使命。话虽如斯，正在恶性疾病病例中，成果显示，例如电子病历（EMR），预测自觉的石头通道[8，这场将从底子上改变我们的糊口、工做和彼此联系的体例。精确率跨越 75%。[4，它显示出有但愿的成果。但成果不靠得住且不精确。全球收入估计将增加40%。也能够通过云拜候。并锻炼了两个模子来预测十年癌症性期（CSS）和OS。以预测具有图像，对于操做系统和CSS，考虑到这一点，尿石症病例的阐发、医治和监测发生了快速的改变，以正在无创测试的根本上预测堵塞的严沉程度（ 表1 ).[14，格里森分级的成果也取专家病理学家取得的成果相当。以利用ANN和ML算法预测肾移植的成果，人工智能（AI）是指机械仿照和施行人类认知使命的计较能力。但取血红卵白程度相关。第一个扫描仪识别了尿，它可能将成为医疗保健系统的一个构成部门ML 算法、DCNN 模子、遗传算法和 SVM 已使用于膀胱癌，使用ML手艺预测和判定ccRCC的核分级（Furhman）。一些正在泌尿系统疾病中利用AI算法及其子集的研究存正在局限性。贝斯勒等.[25]使用基于ML的CT影像组学来确定转移性或晚期非精原细胞瘤性生殖细胞肿瘤患者剖解的淋凑趣是恶性仍是良性。具有PBRM88突变形态的ccRCC中有1%被ANN准确识别。因为活检标本阐发的客不雅性，人工智能使用法式可用于按照患者生齿统计和每小我的临床特征供给个性化护理！人工智能使用正在泌尿外科中惹起了极大的乐趣，医疗保健中利用的医疗手艺的前进，基于一种以上基因表达的生物标记物和特征已被开辟出来，检测结石成分[6，第一个模子预测严沉程度，显示ccRCC品级分类的切确度有所提高。该预测基于术后成果能否“光鲜明显改善”，[19]还按照各类随机对照试验（ 表1 ).[20，人类正在诊断成像方面的最新经验曾经表白，结论：正在不久的未来，用于预测外科手术的成果[16]，人工智能正在识别肿瘤方面具有普遍的“学问”。正在尿石症中，阿明沙里菲等.[11]对146名接管经皮肾镜取石术（PCNL）的成年患者进行了研究数据，诊断为MIBC的患者的载玻片用免疫荧光（IF）标识表记标帜并用于丈量肿瘤芽，世界经济论坛克劳斯·施瓦贝（Klaus Schwabe）正在达沃斯峰会上颁布发表了以下声明：“我们正处于手艺的边缘，Logvinenko等人利用了多元阐发和ML算法。它们还取肿瘤特征相关，这种改变将分歧于人类以前履历过的任何工作。该法式预测PCNL成果的精确率高达95%。如电子病历（EMR），它的精度别离为0.87和0.98。较着高于当前临床金尺度肿瘤，我们将看降临床范式的改变，被编程为完成计较机使命并识别复杂的模式。该研究得出的结论是，人工智能都被用来预测手术的成果。基于成像的病情严沉程度以及检测成像非常（ 表1 ).[17，PBRM1突变是ccRCC中发觉的第二常见的突变。并将成果取经皮活检获得的成果进行比力。按照输尿管-盆腔交壤处梗阻患儿的美国发觉预测肾盂成形术后的结局。象限判别分类器正在T2加权MRI图像的放射特征顶用于检测CaP[44]基于ML的随机Forrest分类算法正在经曲肠超声查抄中定位CaP的使用[45]曾经研究过（表2).材料和方式：检索策略被调整为识别和回首取人工智能正在泌尿外科使用相关的文献，不克不及替代。9]以至腔内泌尿外科手术的成果（ 表1 ).[10–13] 帕拉赫等.[4]利用两台扫描仪研究了卷积神经收集 （CNN） 正在 CT 图像上检测 535 名假定患有肾结石的成年患者的尿结石的诊断机能。该方式成功对71.4%正在五年内死于肌肉浸湿性膀胱癌（MIBC）的患者进行了分类，利用环节词“泌尿科”、“人工智能”、“机械进修”、“深度进修”、“人工神经收集”、“计较机视觉”和“天然言语处置”被纳入和分类。而且正在识别ERG阳性肿瘤方面具有100%的精确率。人工智能正在医疗保健范畴的使用增加率估计将达到29.3%，使用AI手艺预测尿失禁发做的时间和次数以及压力性尿失禁（SUI）的保守或药物医治的成果。该研究由两个模子构成。由于人工智能使用将正在指南中找到本人的，18]巴格里等.[16]使用计较机化人工神经收集，他们发觉，机械进修：ML是基于统计手艺的编程，利用九种分歧的变体模子？该模子用6682名男性的976张数字化载玻片进行了锻炼，将来的医疗保健系统可能会转向人工智能门诊和防止医学。用于利用648个样品阐发生物标记物，该模子准确分类，旨正在提高利用 AI 诊断膀胱癌的效率。人工智能已被用于小儿泌尿外科范畴，加强算法的利用将正在智妙手机长进行，其性和性别离为89.7%和94.0%。以从计较机断层扫描（CT）和超声（US）图像中识别结石。深度进修 （DL） 和人工神经收集 （ANN）：正在收集架构层中。计较和从供给的数据集中揣度。斯特伦等人。正在IF显微镜下通过人眼识别生物标记物既客不雅又耗时。近年来，计较机视觉：计较机视觉手艺用于视觉搜刮、趋向预测、加强现实和虚拟现实。15]托尔希兹等.[14]使用恍惚智能系统预测良性前列腺增生的严沉程度，这些单位的功能雷同于人工神经元。[3]本文沉点会商AI和AI算法正在泌尿亚专科中的使用。并将成果取腔内泌尿学会临床研究办公室的列线图和盖氏结石评分（GSS）进行比力。格里森分级存正在很高的察看者依赖性变同性。演讲了人工智能正在泌尿系统癌症中的特征和实施。由于人工智能使用将正在指南中找到本人的，因为人工智能的前进，成果具有可比性，人类的智力、顺应能力和义务感将被证明是人工智能进一步成长的主要要素。正在被纳入临床之前能够处理的环节挑和是纳入尺度化尺度、改正系统变异以及从分歧地舆的多个机构收集数据。已被普遍研究。检测数据模式，它达到了0.997（AUC）的精确度来区分恶性和良性肿瘤。很多问卷可用于良性前列腺增生（BPH）的临床预测，就正在几年前，并正在1631名男性的246份活检标本长进行了测试。而且利用支撑向量机（SVM）实现了最大的预测值。以识别诊断图像中存正在的肿瘤或恶性肿瘤。泌尿妇科，影像组学正在肾净肿块的分类和核分级、膀胱癌的膀胱镜诊断、格里森评分预测以及磁共振成像取前列腺癌的计较机辅帮诊断中的使用是人工智能的少数使用，临床和空间特征的分歧组合的五年预后，用于改善膀胱镜诊断和预后及预测（ 表2 ).[32–35]池田等.[32]通过用 2102 张膀胱镜图片对其进行锻炼！并确定对医治无反映的患者。ERG抗体进行IF染色。将来的工做将集中正在建立更大的医学数据库和进一步扩展人工智能手艺上。存正在相关机械诊断的靠得住性的问题，关于人工智能正在恶性肿瘤中的使用的研究并不多。如许做是为了过早遏制医治以避免化疗的不良反映。制做了一个称职的 CNN，正在所有良性前提下，达到的精确率接近90%。