人工智能图像分类模型的发展,用于确定带血管异常
Byron C Calhoun1,2, Heather Uselman3, Eric W Olle4
1Department of Obstetrics and Gynecology, WVU School of Medicine, Charleston Division, Charleston, West Virginia, USA.
概括
人工智能 (AI) 在超声波图像中成功分类单一动脉 (SUA). 这种AI框架为医生和患者护理提供了强大的,可重现的诊断价值.
科学领域:
- 医疗成像医学成像
- 人工智能的人工智能
- 计算生物学 计算生物学
背景情况:
- 单动脉 (SUA) 是产前超声波中常见的发现.
- 准确识别SUA对于评估胎儿健康至关重要.
- 目前用于SUA分类的方法可能耗时且主观.
研究的目的:
- 开发和验证人工智能 (AI) 模型,以在超声波图像中对单动脉 (SUA) 进行可靠的分类.
- 为医疗成像中人工智能驱动的诊断工具建立一个可重复的框架.
主要方法:
- 超声波图像的回顾分析用于删除文本和人工智能模型训练.
- 开发用于图像处理的AI-光学字符识别方法.
- 训练和测试各种神经网络模型 (例如ResNet34) 在40至286个横向CFI图像的数据集上.
主要成果:
- 人工智能光学字符识别方法展示了卓越的文本删除能力.
- 一个预训练的ResNet34模型在一个小数据集上实现了0.083的平均错误率.
- 在扩展数据集上,ResNet34-默认模型实现了0.0175的优异错误率,灵敏度为1.00和特异性为0.97.
结论:
- 人工智能为超声波图像中SUA的分类提供了一个强大的和可重复的框架.
- 人工智能模型显示出出色的诊断价值,与人类的解释相当或超过.
- 这种人工智能驱动的方法可以增强医生的能力,从而改善患者护理.


