使用深度学习和统计学学习 (PARADISE) 识别胎儿形态的模式和异常检测:使用胎儿形态超声扫描开发智能决策支持系统的协议,以检测胎儿先天异常检测

科学领域:

• 医疗成像医学成像
• 人工智能的人工智能
• 胎儿医学 胎儿医学

背景情况:

• 先天性异常是导致婴儿死亡和发病的主要原因.
• 通过产前形态扫描进行早期检测对于及时干预至关重要.
• 目前扫描的解释需要专业的超声波专家.

研究的目的:

• 开发一个智能系统来识别胎儿的先天性异常.
• 用2D超声波电影从形态扫描用于异常检测.
• 为了协助超声波仪在探头指导,胎儿平面检测,和异常信号.

主要方法:

• 一项涉及4000名怀孕患者32个月的横截面研究.
• 使用深度学习和统计学习算法开发AI系统.
• 该系统将接受训练,以检测和验证未见的扫描,在超声波仪监督下.

主要成果:

• 该系统旨在自动检测胎儿的解剖部分并识别异常.
• 它将为超声波探针定位提供指导,以获得最佳的图像.
• 该系统将为进一步调查发出异常发现的信号.

结论:

• 智能系统有可能提高先天性异常检测的准确性和效率.
• 这项技术可以帮助早期诊断,改善预后并减少婴儿死亡率.
• 该研究遵循道德准则,并将按照STROBE的建议进行报告.