在使用卷积神经网络的死后计算机断层扫描图像上检测心周溢出.
Haoyu Kong1, Jia Rong2, Chris Bain1
1Department of Human-Centred Computing, Faculty of Information Technology, Monash University, Australia.
Studies in health technology and informatics
|January 25, 2024
概括
这项研究引入了一种自动化系统,用于在死后CT扫描中检测心周溢液,提高法医调查的准确性和速度.
科学领域:
- 法医放射学 法医放射学
- 医学成像分析 医学成像分析
- 人工智能在医学中的应用
背景情况:
- 心周溢出是潜在疾病和潜在死亡的关键指标.
- 尸体后计算机断层扫描 (PMCT) 有助于法医死亡调查.
- 缺乏训练有素的放射科医生阻碍了对心周溢出进行有效的PMCT分析.
研究的目的:
- 开发一种自动化框架 (PEAD) 用于在全身PMCT图像中检测心周溢血.
- 提高法医图像分析的效率和准确性.
- 为了解决放射科医生手动解释的局限性.
主要方法:
- 提出了一个心周输液自动检测 (PEAD) 框架.
- 修改了用于PMCT图像特征的已建立的卷积神经网络架构 (VGG和ResNet).
- 实现图像过以排除缺乏心脏解剖学的无关扫描.
主要成果:
- 该PEAD框架在处理PMCT图像方面表现出有效性.
- 与标准架构相比,修改后的VGG和ResNet模型实现了更高的检测精度.
- 修改后的模型提供了更短的处理时间,提高了效率.
结论:
- 拟议的PEAD框架和修改的神经网络显著改善了PMCT中心周溢出检测.
- 这种自动化方法为法医放射学提供了一种有价值的工具,克服了放射科医生的短缺.
- 该系统提高了诊断准确度和在死后成像分析中的处理速度.


