深度学习模型用于预测早产婴儿的支气管肺形,使用胸部X射线图
Hao-Yang Chou1, Yung-Chieh Lin2, Sun-Yuan Hsieh1,3,4,5,6,7
1Department of Computer Science and Information Engineering, National Cheng Kung University, Tainan, 70101, Taiwan.
Journal of imaging informatics in medicine
|March 19, 2024
概括
人工智能 (AI) 通过使用胸部X射线图,准确地诊断早产婴儿的支气管肺功能障碍 (BPD). 这种人工智能模型提供了早期检测,超过了专家诊断准确度,改善了婴儿肺部健康.
科学领域:
- 医学成像分析 医学成像分析
- 人工智能在儿科中的应用
- 新生儿呼吸系统医学 新生儿呼吸系统医学
背景情况:
- 支气管肺功能障碍 (BPD) 是早产儿普遍出现的并发症,经常导致肺血管疾病和肺功能受损.
- 准确及时诊断BPD对于有效管理和改善早产新生儿的结果至关重要.
研究的目的:
- 开发和评估人工智能 (AI) 模型,以准确有效地诊断早产婴儿BPD.
- 为了能够在出生后24小时内使用胸部X射线图来早期检测BPD.
主要方法:
- 两组数据集的回顾性分析:1491张胸部X射线图用于肺部细分和1021张用于早产婴儿的BPD预测.
- 转移学习用于肺部区域细分和图像融合技术的应用,以提高AI模型的性能.
- 对AI模型的诊断性能与专家临床医生和已建立的BPD标准 (NICHD和Jensen) 的评估.
主要成果:
- 人工智能肺部细分模型在早产婴儿中获得了0.960的高子得分.
- 与人类专家相比,BPD预测模型表现出优越的诊断性能.
- 在24小时内拍摄的放射图和25至168小时后拍摄的放射图中观察到一致的AI模型性能.
结论:
- 这项研究引入了第一个深度学习模型,用于预测BPD使用早产胸部放射,使检测在24小时内.
- 人工智能模型在预测肺部发育和在早产婴儿中识别BPD方面显著超过专家诊断的准确性.
- 人工智能驱动的分析有望及时和准确的BPD诊断,可能改善临床管理和长期结果.
