通过计算机视觉模型自动识别专利管道动脉

科学领域:

• 医疗成像医学成像
• 人工智能的人工智能
• 新生儿心脏病学 新生儿心脏病学

背景情况:

• 专利导管动脉 (PDA) 是早产婴儿常见的血管缺陷,往往需要干预以防止长期并发症.
• 心声谱是PDA的标准诊断和监测工具.

研究的目的:

• 开发和评估一个深度学习模型,用于在早产婴儿的心声图像中自动识别PDA.

主要方法:

• 在66名早产婴儿的1145张彩色多普勒回声心脏图片上训练了一个卷积神经网络.
• 一种新的注意力机制被用来汇总级预测,用于剪辑级分类.
• 用灵敏度,特异性和曲线下的面积 (AUC) 来评估模型性能.

主要成果:

• 性能最好的模型实现了0.80的剪贴级别灵敏度和0.77的特异性 (AUC0.86).
• 研究水平的性能达到0.83的灵敏度和0.89的特异性 (AUC0.93).
• 彩色多普勒回声心脏学剪辑产生了优越的分类器性能.

结论:

• 开发的深度学习模型在将PDA分类到心声回声片段中表现出强大的性能.
• 建议进一步开发和外部验证以实现临床整合.
• 这种人工智能工具是朝着在新生儿身上半自动,床边PDA检测迈出的重要一步.