相关实验视频
Updated: Jul 1, 2025
10:02
State of the Art Cranial Ultrasound Imaging in Neonates
Published on: February 2, 2015
24.3K
自动测量胎儿前前下角度在上半透明扫描中
Yulin Peng1,2,3, Yingchun Luo1,2, Junyi Yan4
1Department of Ultrasonography, Hunan Provincial Maternal and Child Health Care Hospital, No. 53 Xiangchun Road, Changsha, 410008, Hunan, China.
Scientific reports
|March 4, 2024
概括
一个新的U-net优化生成对抗网络算法准确地预测胎儿头部姿势 (FHP) 角度,证明高有效性和可靠性与手动测量可比.
科学领域:
- 医学成像和人工智能 医学成像和人工智能
- 产前超声波诊断 产前超声波诊断
背景情况:
- 准确的胎儿头部姿势 (FHP) 评估对于在产前查期间进行部透光度 (NT) 测量至关重要.
- 对于FHP,手动测量前下角 (ANLJA) 可能是主观和耗时的.
- 开发自动化,可靠的FHP分析方法对于提高诊断效率和准确性至关重要.
研究的目的:
- 为ANLJA预测提出一个端到端算法,利用U-net优化的生成对抗网络 (GAN).
- 评估算法的有效性和可靠性,定义FHP,包括hyperextension和正常姿势.
- 将拟议的算法的性能与手动测量和其他计算方法进行比较.
主要方法:
- 收集了720张FHP图像的数据集,手动测量作为黄金标准.
- 数据集被分为训练 (70%) 和评估 (30%) 集,用于超伸展和正常姿势组.
- 使用根平均平方误差,解释变化和平均绝对百分比误差 (MAPE) 来评估有效性. 可靠性通过t测试,曼-惠特尼U,威尔科克森签名等级测试,布兰德-阿尔特曼图表和类内相关系数 (ICC) 进行评估.
主要成果:
- 与竞争对手相比,拟议的U-net优化GAN算法在大多数指数中表现出优越的有效性.
- 组级比较显示,算法和手动测量之间没有显著差异 (p > 0.05).
- 该算法实现了良好的可靠性 (ICC),与专家超声波仪相提并论,优于其他计算方法.
结论:
- 开发的U-net优化GAN算法为预测ANLJA和定义FHP提供了一个高度准确和可靠的方法.
- 这种自动化方法为手工测量提供了一个有希望的替代方案,可能提高NT查的效率和一致性.
- 该算法的性能表明,它有可能被整合到临床工作流程中,以改善产前诊断.
