基于人工智能的方法,使用计算机断层扫描图像进行一键慢性腹腔内血瘤细分
Andrey Petrov1, Alexey Kashevnik2, Mikhail Haleev2
1Polenov Russian Research Institute of Neurosurgery, Almazov National Medical Research Center, 191014 St. Petersburg, Russia.
Sensors (Basel, Switzerland)
|February 10, 2024
概括
这项研究引入了一键计算机视觉方法,用于细分慢性腹腔内血瘤 (CSH). 自动化方法显著加快了细分,实现了临床上可接受的结果.
科学领域:
- 医疗成像医学成像
- 计算机视觉 计算机视觉
- 人工智能的人工智能
背景情况:
- 慢性亚皮血瘤 (CSH) 是一种在老年人中发病率越来越高的疾病.
- 从CT扫描中手动细分CSH是耗时的,需要专业知识.
- 现有的细分方法可能缺乏效率和临床整合.
研究的目的:
- 开发和评估一键,基于计算机视觉的慢性腹腔内血瘤的自动细分工具.
- 将自动化工具的性能与医学专家的手动细分进行比较.
- 评估拟议的细分方法的临床实用性和效率.
主要方法:
- 开发一个定制的数据集,包括来自21名患者的53个CT扫描系列.
- 训练基于U-Net的两个神经网络模型,用于自动化CSH细分.
- 使用十倍交叉验证和子指标进行绩效评估.
- 通过三个医学专家在一个独立的测试组上与手动细分进行比较.
主要成果:
- 性能最好的模型在分段准确性方面获得了0.77的子得分.
- 一键自动化细分比手动细分快七倍以上.
- 细分质量被医学专家认为可以接受临床使用.
结论:
- 一种新的一键计算机视觉方法使慢性腹腔内血瘤的快速准确细分成为可能.
- 开发的工具,作为一个 OsiriX 插件集成,提供了比手动方法显著的时间优势.
- 这种自动化细分显示了在神经成像中提高临床工作流程效率的潜力.
