从基于人工神经网络的动态超声波视频中实时识别带斑块
概括
一个新的人工智能 (AI) 系统Be Easy to Use (BETU),可以在实时超声波视频中准确地识别动脉斑块. 这种人工智能辅助系统能够快速,远程诊断,提高血管查效率.
科学领域:
- 医疗成像医学成像
- 人工智能的人工智能
- 心血管诊断心血管诊断服务
背景情况:
- 带超声波对于评估血管健康至关重要.
- 目前的方法在超声波视频中实时识别状腺斑块时遇到困难.
- 人工神经网络为高级图像分析提供了潜力.
研究的目的:
- 开发一个自动,用户友好的系统 (BETU) 来通过超声波视频实时诊断状腺斑块.
- 利用人工神经网络进行增强的斑块识别.
- 在远程5G环境中测试系统的诊断性能.
主要方法:
- 使用人工神经网络开发了BETU系统.
- 在445名参与者的2725张标记的超声波图像上训练了系统.
- 在554张图像上测试了系统,并评估了远程诊断反速度和准确性.
主要成果:
- 该BETU系统的诊断准确率达到98.5%,相当于放射科医生 (Kappa = 0.967).
- 远程诊断反在1023公里内在150毫秒内提供.
- 该系统证明了与专家诊断的高度一致性.
结论:
- 该BETU系统能够从超声波视频中有效地实时识别带斑块.
- 5G和AI的整合有助于远程,实时的状腺斑块查和诊断.
- 开发的系统有望提高心血管查的可访问性和效率.


