深度学习用于从超声波数据集快速自动细分前臂肌肉边界
Chen Xin1, Baoxu Li2, Dezheng Wang1
1Rehabilitation Center, Qilu Hospital of Shandong University, Jinan, China.
Frontiers in physiology
|July 31, 2023
概括
这项研究引入了一种用于超声波图像中的肌肉边界细分的自动化工具,其高精度与专家超声波相比较. 这项创新旨在提高临床超声波应用中的效率和安全性.
科学领域:
- 医疗成像医学成像
- 肌肉骨超声波 肌肉骨超声波
- 人工智能在医学中的应用
背景情况:
- 超声波 (US) 对于肌肉骨诊断和治疗至关重要.
- 目前的手动识别方法是低效和不一致的.
- 需要自动化工具来增强美国在临床实践中的应用.
研究的目的:
- 开发和验证用于超声波图像的自动肌肉边界细分工具.
- 评估开发的工具的准确性和临床适用性.
- 为执行美国指导程序的临床医生提供可靠的辅助工具.
主要方法:
- 收集了465张flexor digitorum superficialis (FDS) 超声波图像的数据集.
- 在最初的图像细分中使用了U-net模型.
- 开发了一个C++算法,通过删除断开连接的区域来完善细分.
主要成果:
- 自动化工具实现了大约90%的平均子系数,回忆,准确性和IOU.
- 评估细分结果的新标准显示,99%的预测是优秀的.
- 性能与专业超声波专家的手动细分相当.
结论:
- 开发的自动肌肉细分工具显示出高精度和临床适用性.
- 它是临床医生的可靠辅助工具,有可能减少美国的学习曲线.
- 该工具可以减少临床工作量,并提高美国指导肌肉注射的安全性.


