通过深度神经网络在超声波图像中自动诊断腺髓炎
Qinghong Zhao1, Tongyu Yang2, Changyong Xu3
1Department of Ultrasound in Medicine, Renmin Hospital of Wuhan University, China.
概括
一种新的人工智能技术,腺菌菌自动诊断网络 (A2DNet),提供了一种安全有效的非侵入性方法,可以使用变压器网络自动诊断腺菌菌.
科学领域:
- 医疗成像医学成像
- 人工智能的人工智能
- 深度学习 (Deep Learning) 是一种深度学习.
背景情况:
- 腺髓炎的诊断往往依赖于侵入性方法或主观的解释.
- 经阴道超声波 (TVS) 是一种常见的腺菌症成像方法.
- 需要客观和非侵入性诊断工具.
研究的目的:
- 推出A2DNet,一个全新的端到端统一网络框架.
- 为了利用变压器网络进行自动腺髓炎诊断.
- 在临床环境中评估A2DNet的疗效.
主要方法:
- 一项前性描述性研究与1654名患者进行.
- 腺菌症的诊断经过阴道超声波 (TVS) 得到证实.
- 应用了深度学习方法,特别是变压器网络 (A2DNet),用于自动诊断.
主要成果:
- A2DNet实现了高诊断性能:92.33%的准确性,96.06%的精度,91.71%的回忆和93.80%的F1得分.
- 该网络在正常病例和腺髓炎病例中显示出超过92%的正确诊断率.
- 结果表明优越于现有的最先进的方法.
结论:
- A2DNet是一种安全,有效和非侵入性的技术,用于协助腺菌的诊断.
- 这种由人工智能驱动的方法提供了一个独特而非破坏性的诊断解决方案.
- 这项技术代表了腺髓炎自动诊断的重大进步.
