自主胎儿形态扫描:深度学习 + 聚类合并 - 在医生后面的第二双眼睛
1Department of Computer Science, Faculty of Sciences, University of Craiova, 200585, Craiova, Romania. sbelciug@inf.ucv.ro.
BMC medical informatics and decision making
|April 19, 2024
概括
人工智能改善了胎儿形态扫描中的先天性异常检测. 一个人工智能系统准确地标记胎儿视图平面和器官,增强诊断能力,以获得更好的婴儿结果.
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:
- 先天性异常是胎儿死亡和婴儿死亡的主要原因.
- 胎儿形态扫描对于检测这些异常至关重要.
- 目前的检测率根据超声波专家的经验有很大差异,这凸显了提高精度的必要性.
研究的目的:
- 开发和评估人工智能驱动的胎儿形态扫描决策支持系统.
- 提高先天性异常检测的准确性和一致性.
- 帮助超声波仪在识别胎儿视图平面和细分内部器官.
主要方法:
- 这项研究利用了深度学习和对解剖器官进行标记的聚类技术的融合.
- YOLOv8用于胎儿腹部图像中的器官细分.
- 人工智能框架是在实时胎儿超声波电影数据集上进行训练和测试的.
主要成果:
- 人工智能系统在实时超声波视频中展示了视图平面和相应器官的准确标记.
- 该系统显示了标准化和增强先天性异常检测的潜力.
- 实验结果证实了该系统对胎儿腹部数据集的有效性.
结论:
- 人工智能驱动的决策支持系统可以显著提高胎儿形态扫描的准确性.
- 这项技术提供了一种可行的解决方案,以提高先天性异常检测率.
- 在产前诊断中进一步整合人工智能有望改善婴儿健康结果.
