利用深度学习来识别超声波引导的神经块目标区域
概括
这项研究开发了一种深度学习算法,可以在超声波图像中自动识别横向腹部平面,帮助初学者麻醉师在神经阻塞程序中更好地管理疼痛.
科学领域:
- 麻醉学 麻醉学
- 医疗成像医学成像
- 人工智能的人工智能
背景情况:
- 超声导向的神经阻断对于外科手术期间的止痛至关重要.
- 在超声波图像中神经识别对经验较少的麻醉科医生来说是个挑战.
- 精确的神经定位对于有效和安全的麻醉提供至关重要.
研究的目的:
- 开发一种深度学习算法,在超声波图像中自动识别横腹部平面.
- 帮助麻醉医生进行超声波导向的神经阻塞.
- 提高术后疼痛管理的安全性和效率.
主要方法:
- 利用U-Net架构来训练一个深度学习模型.
- 使用人工数据增强来增强培训数据集.
- 通过使用子得分系数与专家麻醉师标签对模型性能进行评估.
主要成果:
- 深度学习模型在测试组中获得了73.31%的全球子得分.
- 该模型在识别横向腹部平面区域方面表现出有效性.
- 结果表明该模型作为超声波决策支持系统的潜力.
结论:
- 深度学习算法在自动化用于麻醉的超声波图像分析方面表现有前途.
- 开发的模型可能会成为麻醉师的决策支持工具.
- 进一步开发可以提高超声波导向区域麻醉实践.
