机器学习对超声波的应用,用于在女性成年人中识别肌甲状腺切除术的解剖学里程碑:一个多中心前性观察性研究
Chih-Hung Wang1,2, Jia-Da Li3, Cheng-Yi Wu1
1Department of Emergency Medicine, National Taiwan University Hospital, Taipei, Taiwan.
Journal of imaging informatics in medicine
|February 12, 2024
概括
机器学习算法使用超声波准确识别了状软骨 (CC) 和甲状腺软骨 (TC),帮助了状腺切除手术. 这些人工智能工具显示出改善急诊医学手术局部化的前景.
科学领域:
- 医疗成像医学成像
- 人工智能在医学中的应用
- 手术解剖学手术解剖学
背景情况:
- 超声导向的甲状腺切除术需要精确识别甲软骨 (CC) 和甲状腺软骨 (TC).
- 这些解剖学标志的准确定位对于成功的紧急气道通道至关重要.
研究的目的:
- 开发和评估基于机器学习 (ML) 的算法,以协助医生在超声波引导下定位CC和TC.
- 评估不同ML模型 (YOLOv5s,更快的R-CNN,SSD) 对这些解剖结构的区分和定位性能.
主要方法:
- 有望招募488名成年女性志愿者进行超声波图像采集.
- 使用了三个深度学习架构:YOLOv5s,更快的R-CNN和SSD.
- 分析了292,053的超声波图像,使用了经过修改的纵向技术.
主要成果:
- ML算法显示了CC和TC的优异区分性能,AUC从0.968到0.989.
- 实现了精确的定位,交叉与联合 (IoU) 值在CC和TC的0.709和0.753之间.
- YOLOv5s和Faster R-CNN模型在歧视和本地化方面表现特别高.
结论:
- 开发的基于ML的算法有效地识别了成年女性cricothyroidotomy的解剖学里程碑.
- 这些算法表现出有利的区分和本地化性能,表明潜在的临床实用性.
- 建议进行进一步的研究,以适应这些算法用于便携式,手持式超声波设备.
