做超声波专家的想法:通过微血管透意识来诊断甲状腺结节的对比增强超声波

科学领域:

• 医疗成像医学成像
• 人工智能的人工智能
• 在瘤学瘤学.

背景情况:

• 动态对比增强超声波 (CEUS) 对于评估甲状腺结节的血管性和 perfusion 是至关重要的.
• 与灰度超声波 (美国) 相比,CEUS揭示了微血管透,可能增加明显瘤大小.
• 微血管透的超声波解释有助于甲状腺结节的诊断.

研究的目的:

• 开发一种深度学习模型,模拟甲状腺结节的超声波诊断推理.
• 整合CEUS微血管透和美国灰度数据,以增强诊断支持.
• 使用人工智能提高甲状腺结节诊断的准确性和可靠性.

主要方法:

• 设计了一个深度学习模型来分析动态的CEUS和灰度尺度的US.
• 时间投影的注意力被用来表示微血管输液在CEUS.
• 使用了带有Sigmoid Alpha函数和自适应集成机制的信心图.
• 用282个CEUS视频的数据集进行了回顾性分析.

主要成果:

• 拟议的深度学习模型实现了89.52%的诊断准确度.
• 该模型显示出94.75%的优异诊断灵敏度.
• 人工智能方法有效地整合了动态CEUS和美国灰度信息.

结论:

• 模拟超声波诊断思维,包括微血管输液和透扩张,有利于基于CEUS的甲状腺结节诊断.
• 深度学习模型为诊断甲状腺结节提供了一种可靠的方法.
• 这种人工智能驱动的方法显示出在甲状腺结节评估中临床应用的巨大潜力.