深度学习的应用,用于超声波成像中的实时除区测量
Corinna Zimmermann1, Adrian Michelmann1, Yannick Daniel1
1Erbe Elektromedizin GmbH, 72072 Tübingen, Germany.
Cancers
|May 11, 2024
概括
人工智能 (AI) 精确地自动化了射频除 (RFA) 超声波图像中的除区域 (AZ) 测量. 这种人工智能工具,Mask2Former,在RFA研究中显著降低了手动测量的变化.
科学领域:
- 医疗成像医学成像
- 人工智能在医学中的应用
- 无线电频率废弃法 废弃法
背景情况:
- 精确划分废除区 (AZs) 对于评估射频废除 (RFA) 疗法至关重要.
- 目前用于AZs的手动测量方法容易变化和不准确.
研究的目的:
- 评估人工智能 (AI) 在从超声波图像自动化AZ测量的有效性.
- 将人工智能驱动的AZ测量与手动测量的准确性进行比较.
主要方法:
- 一项体外研究使用了经过双极性RFA的胸和肝样本.
- 超声波图像被定期捕获,Mask2Former AI模型被用于AZ细分.
- 对比了人工智能和手动方法的测量结果,重点关注短轴指标.
主要成果:
- 308个RFA程序产生了7275个超声波图像通过肝脏和乳腺组织.
- 人工智能和人工测量废弃区直径没有显著差异 (相关系数> 0.96,p < 0.001).
- 布兰德-阿尔特曼图表和德明回归表明AI和手动测量之间的密切对齐 (肝脏的平均差异为-0.259毫米,胸的平均差异为-0.243毫米).
结论:
- Mask2Former AI模型被验证为RFA中自动化AZ测量的一个有前途的工具.
- 这种自动化在减少RFA研究测量的变化方面取得了重大进展.
更多相关视频
08:08Evaluating Targeting Accuracy in the Focal Plane for an Ultrasound-guided High-intensity Focused Ultrasound Phased-array System
Published on: March 6, 2019
5.2K
12:00Non-invasive Parenchymal, Vascular and Metabolic High-frequency Ultrasound and Photoacoustic Rat Deep Brain Imaging
Published on: March 2, 2015
12.2K
