深度学习算法的应用对超声波成像分析在临床前研究中的活体动物中的应用
Laura De Rosa1,2, Serena L'Abbate3, Claudia Kusmic1
1Institute of Clinical Physiology, National Research Council (CNR), 56124 Pisa, Italy.
Life (Basel, Switzerland)
|August 26, 2023
概括
深度学习 (DL) 在临床前动物研究中增强了超声波 (US) 分析. 虽然对心血管和腹部成像有希望,但对样本大小,数据预处理和模型解释性需要进一步开发.
科学领域:
- 医疗成像医学成像
- 人工智能的人工智能
- 临床前研究 临床前研究
背景情况:
- 超声波 (US) 影像在临床前动物研究中受到青,但面临着由操作者决定的局限性.
- 深度学习 (DL) 提供先进的数据处理,以应对美国的成像挑战.
- 本文重点介绍了美国在体内临床前研究中的DL应用.
研究的目的:
- 系统地审查DL算法的应用,以协助美国的图像分析.
- 概述DL在使用动物模型的体内临床前研究中的作用.
- 确定美国临床前成像DL的趋势和改进领域.
主要方法:
- 在Scopus和PubMed数据库中进行了系统的文献搜索.
- 包括2012年1月至2022年11月间发表的研究.
- 符合条件的研究开发了在临床前/动物实验环境中对美国图像的DL模型,遵循PRISMA指南.
主要成果:
- 分析了56项研究,并按解剖学区分类.
- 心血管 (16) 和腹部 (14) 系统是研究最多的领域.
- 主要使用的是小鼠模型;DL应用跨越了各种解剖区域.
结论:
- 深度学习显示了在临床前研究中改善美国图像分析的巨大潜力.
- 目前在这个领域的DL应用是新生的,需要进步.
- 需要改进的关键领域包括样本大小,数据预处理和模型解释性.
