深度学习以从飞到cineloop视频中估计妊娠年龄:超声波质量控制的新方法
Ambika V Viswanathan1, Teeranan Pokaprakarn1,2, Margaret P Kasaro1,3
1Department of Obstetrics and Gynecology, University of North Carolina School of Medicine, Chapel Hill, North Carolina, USA.
概括
一个新的人工智能 (AI) 模型从超声波视频中准确估计胎儿妊娠年龄 (GA),优于专家的测量结果. 这种人工智能工具作为质量控制,防止产科超声学中不准确的GA估计.
科学领域:
- 医疗成像医学成像
- 医疗保健中的人工智能
- 产科和妇科 产科和妇科
背景情况:
- 低成本的超声波设备在全球范围内扩大了产科超声波的使用范围.
- 确保胎儿生物识别尺度测量的持续质量和准确性仍然是一个重大挑战.
- 低标准测量可以导致不准确的妊娠年龄 (GA) 估计,影响临床决策.
研究的目的:
- 开发一种工具来减少低标准的胎儿生物识别测量.
- 为了尽量减少对产科超声波现有的临床工作流程的干扰.
- 从超声波视频创建一个人工智能模型来准确估计妊娠年龄.
主要方法:
- 一个深度学习的人工智能 (AI) 模型被开发出来,可以从超声波视频剪辑 (飞机到cineloops) 中估计GA.
- 人工智能模型的性能与专家超声波仪的测量结果进行了评估.
- 模拟的新手生物识别数据与引入的错误被用来测试AI检测不准确性的能力.
主要成果:
- 人工智能模型的平均绝对误差 (MAE) 为3.87天,超过了专家生物识别 (MAE为4.80天).
- 人工智能模型在检测严重不准确的测量时表现出高精度,AUC为0.93.
- 该模型显示了81.0%的灵敏度和89.9%的特异性,用于识别新手生物识别中的显著偏差.
结论:
- 开发的AI模型比专家超声波仪提供了比专家超声波仪更准确的妊娠年龄估计.
- 人工智能模型可以集成到超声波设备中,而不会改变超声波仪的工作流程.
- 这种人工智能工具作为一种无成本的质量保证措施,可以防止GA估计中的毛额错误.
