基于深度学习的平台在3D大脑TOF-MRA中对内动脉瘤进行高检测灵敏度:外部临床验证研究TOF-MRA:外部临床验证研究
Yuanyuan Li1, Huiling Zhang2, Yun Sun3
1Department of Radiology, Shandong Provincial Hospital Affiliated to Shandong First Medical University, China; Department of Radiology, Liaocheng People's Hospital, Shandong First Medical University & Shandong Academy of Medical Sciences, China; Department of Radiology, Shandong Provincial Hospital, Cheeloo College of Medicine, Shandong University, China.
International journal of medical informatics
|May 18, 2024
概括
使用深度学习的新人工智能 (AI) 平台在飞行时间磁共振血管学 (TOF-MRA) 上有效检测内动脉瘤. 这种人工智能工具显著提高了放射科医生的诊断准确度和在识别这些关键血管疾病方面的效率.
科学领域:
- 医学成像分析 医学成像分析
- 放射学中的人工智能
- 脑血管诊断 脑血管诊断
背景情况:
- 内动脉瘤对子关节出血有很大的风险.
- 准确及时检测内动脉瘤对于患者管理至关重要.
- 飞行时间磁共振血管造影 (TOF-MRA) 是动脉瘤查的关键成像方式.
研究的目的:
- 评估一种新的AI平台的诊断性能,用于自动检测内动脉瘤.
- 评估深度学习算法在分析TOF-MRA扫描中的有效性.
- 将AI平台的检测能力与经验丰富的神经放射学家进行比较.
主要方法:
- 从2023年1月到6月对3D TOF-MRA图像进行了回顾性分析.
- 开发和验证基于深度学习的AI平台,用于自动化动脉瘤细分.
- 与六名放射科医生对AI性能进行比较,并评估AI辅助诊断.
主要成果:
- 人工智能平台表现出高诊断性能,整体准确率为91.96%和AUC为0.96.
- 人工智能显著提高了放射科医生的灵敏度 (平均增加11.40%) 和精度 (平均增加5.88%).
- 人工智能在各种动脉瘤大小和位置上表现出强的表现,提高了诊断信心.
结论:
- 开发的AI平台利用深度学习,有效地检测TOF-MRA上的内动脉瘤.
- 人工智能辅助诊断显著提高了放射科医生的检测能力和诊断准确度.
- 这种人工智能模型提供了一个可靠和精确的工具来增强MRA扫描的放射性解释.
