对于肠道阻塞的视觉图像注释:可重复性和与手动注释和神经网络的协议
1University of California-San Diego, 9500 Gilman Dr, 92093, La Jolla, CA, USA. pmmurphy@health.ucsd.edu.
Journal of digital imaging
|June 6, 2023
概括
使用眼睛跟踪进行视觉图像注释,有望训练卷积神经网络 (CNN) 在CT扫描上检测肠道阻塞,减少手动注释时间.
科学领域:
- 放射学 放射学是一门学科.
- 医疗成像医学成像
- 人工智能在医学中的应用
背景情况:
- 肠道阻塞是急性腹痛的常见原因之一.
- 在CT扫描上自动检测肠道阻塞受到广泛的手动注释要求的阻碍.
- 眼睛追踪技术提供了一个潜在的解决方案,以简化注释过程.
研究的目的:
- 评估视觉注释 (使用眼睛跟踪) 和用于肠道细分和直径测量的手动注释之间的一致性.
- 评估使用眼睛跟踪数据训练的卷积神经网络 (CNN) 与手册注释之间的一致性.
主要方法:
- 从50名肠道阻塞患者的60张CT扫描进行了回顾性分析.
- 利用眼睛追踪设备记录放射科医生的目光数据,以沿着肠道中心线的3D坐标.
- 训练有素的二维和三维CNN使用收集的视觉注释数据来预测肠道细分和直径图.
主要成果:
- 视觉注释重复和CNN预测之间的肠道细分的子得分从0.69到0.81.8不等.
- 对直径测量的类内相关性在0.672到0.940之间,表明很好的协议.
- 用眼睛跟踪数据训练的CNN显示强烈同意手动注释.
结论:
- 视觉图像注释与眼睛跟踪是训练CNN的可行和有前途的技术.
- 这种方法可以有效地在CT扫描上进行肠道细分和直径测量,以检测肠道阻塞.
- 减少手动注释的负担,促进自动检测算法的开发.
