相关实验视频
Updated: May 12, 2026
05:05
Four-Dimensional CT Analysis Using Sequential 3D-3D Registration
Published on: November 23, 2019
8.0K
在磁共振成像中使用基于深度学习的3D摄像头来估计身高和体重的自动化患者注册:可行性研究
Iram Shahzadi1, Birgi Tamersoy2, Lynn Johann Frohwein2
1Department of Radiology, Neuroradiology and Nuclear Medicine, Johannes Wesling University Hospital, Ruhr University Bochum, Bochum, Germany; Siemens Healthineers GmbH, Erlangen, Germany.
Academic radiology
|February 17, 2024
概括
一种新的深度学习 (DL) 3D摄像头方法准确地估计了患者的身高和体重,超过了放射学 (MTR) 的医疗技术人员. 这项技术通过自动化患者注册来增强MRI工作流程.
科学领域:
- 医学成像和放射学医学成像和放射学
- 医疗保健中的人工智能
- 患者安全与管理
背景情况:
- 准确的患者身高和体重对于安全有效的MRI程序至关重要.
- 目前的估计方法,通常基于MTR经验,缺乏标准化.
- 需要可靠的,自动化的方法来收集患者的人类测量数据.
研究的目的:
- 为了比较基于深度学习 (DL) 的新型3D摄像头估计方法与MTR估计的准确性.
- 评估基于DL的3D摄像机在优化MRI工作流程方面的潜力.
主要方法:
- 一项涉及161名接受MRI成年患者的回顾性研究.
- 在常规工作流程中,使用3D相机捕获了深度图像.
- 通过将估计的身高和体重与实际身高和体重进行比较来评估准确性,使用PH05,PH15,PW10,PW20和MAPE等指标.
主要成果:
- 基于DL的3D摄像机方法在估计身高和体重方面表现出高于MTR估计的准确性.
- DL摄像头实现了98.6%的精度,高度为5% (PH05) 和重量为10% (PW10) 的85.1%.
- MTR估计显示出更高的偏差,MAPE对身高的偏差为2.2%,体重的偏差为7.5%,而DL摄像机的偏差为1.8%和5.6%.
结论:
- 基于DL的3D摄像机算法提供了准确和强大的患者身高和体重估计.
- 这项技术可以通过自动化患者注册显著提高MRI工作流程的效率.
- 在临床放射学设置中,DL 3D 摄像头方法显示出作为一种有价值的工具的前景.
