人工智能支持的自主子宫重建:在MRI中使用3D SPACE与代性排泄的首次应用

科学领域:

• 医疗成像医学成像
• 人工智能的人工智能
• 放射学 放射学是一门学科.

背景情况:

• 子宫评估通常依赖于T2加权成像在直角平面.
• 对子宫轴的准确重建对于全面分析至关重要.
• 目前的方法可能会耗时或受到观察者之间的变化.

研究的目的:

• 评估基于卷积神经网络 (CNN) 的算法,用于重建子宫轴.
• 将人工智能算法的性能与子宫MRI分析中的人类专家进行比较.
• 评估AI在提高子宫MRI报告效率方面的潜力.

主要方法:

• 一项前性研究涉及50名接受子宫MRI的患者.
• 在标准协议旁边获得三维空间序列的三角形方向.
• 由实习生,经验丰富的放射科医生和原型AI软件进行子宫和腔腔轴的重建.
• 使用利克特尺度和测量关键直径的重建的匿名评估.
• 对观察者间协议的评估.

主要成果:

• 在大多数子宫轴重建中,人工智能算法 (P) 的得分明显高于实习者 (T).
• 在几个比较中,人工智能算法的性能与经验丰富的放射科医生 (E) 相当或优于.
• 与人类重建相比,人工智能测量了明显更大的直径.
• 在人类读者之间观察到中等到实质性的观察者间协议.

结论:

• 人工智能算法在重建子宫轴方面表现出熟练,表现至少与人类专家一样好,如果不比人类专家更好.
• 人工智能驱动的重建可能会促进工作流程,并提高子宫MRI报告的效率.
• 这项技术有望提高诊断准确度,减少妇科成像报告时间.