机器学习算法检测并流的B线
Cristiana Baloescu1, Agnieszka A Rucki2, Alvin Chen2
1Department of Emergency Medicine, Yale University School of Medicine, New Haven, CT, USA.
Ultrasound in medicine & biology
|June 26, 2023
概括
一个新的机器学习算法准确地识别了肺超声波上的交汇B线,有助于评估肺部疾病,如胀和肺炎.
科学领域:
- 医疗成像医学成像
- 人工智能在医学中的应用
- 肺部医学 肺部医学
背景情况:
- 肺部超声波上的B线表示气膜水,这在肺和传染性肺炎中很常见.
- 同流的B线可能代表病理的严重程度不同于单一的B线.
- 目前的B线计数算法不区分单一和相交的B线.
研究的目的:
- 评估一种机器学习算法,用于识别肺部超声波剪辑中的交汇B线.
- 将算法的性能与专家确定交汇的B线进行比较.
主要方法:
- 使用了来自157名呼吸短促的成年患者的416张肺超声波片段的数据集.
- 五位护理中心的超声波专家盲目评估了相交的B线的剪辑,通过多数同意确定了基本事实.
- 一个机器学习算法被开发和测试用于交汇B线检测.
主要成果:
- 在49.5%的剪辑中发现了相流的B线.
- 该算法在汇聚的B线检测方面表现出83%的灵敏度和92%的特异性.
- 算法和专家的一致性,用未加权的kappa来衡量,为0.75.
结论:
- 机器学习算法在肺超声波中显示出高灵敏度和特异性来检测汇聚的B线.
- 这种算法可以可靠地识别交汇的B线,有助于评估肺病理.
