在急诊室使用卷积神经网络模型从胸部放射图识别急性大动脉综合征和胸部大动脉动脉瘤
Yang-Tse Lin1, Bing-Cheng Wang2, Jui-Yuan Chung3,4
1Department of Emergency Medicine, Cathay General Hospital, Hsinchu Branch, Hsinchu 300003, Taiwan.
Diagnostics (Basel, Switzerland)
|August 10, 2024
概括
卷积神经网络 (CNN) 模型可以分析胸部X射线 (CXR) 来帮助诊断急性大动脉综合征 (AAS) 和胸大动脉动脉瘤 (TAA). 这种人工智能工具有望改善急诊室诊断工作流程,用于关键的大动脉疾病.
科学领域:
- 医疗成像医学成像
- 人工智能在医学中的应用
- 心血管诊断心血管诊断服务
背景情况:
- 由于急性大动脉综合征 (AAS) 和胸大动脉动脉瘤 (TAA) 的高死亡率,在急诊室 (ED) 及时诊断至关重要.
- 胸痛和背痛是ED中常见的主要投诉,通常需要区分危及生命的疾病和不那么严重的原因.
研究的目的:
- 评估卷积神经网络 (CNN) 模型在分析胸部放射 (CXRs) 检测AAS和TAA时的有效性.
- 探索人工智能驱动的成像分析的潜力,以提高在紧急情况下的诊断准确性和效率.
主要方法:
- 一项追溯病例控制研究,涉及1625名成年患者,他们向ED提出胸部或背部疼痛.
- 胸部放射 (CXR) 数据被分为训练 (80%) 和测试 (20%) 组.
- 在CXR数据上训练了四种不同的CNN模型来识别AAS和TAA.
主要成果:
- 发明V3 CNN模型表现出最高的性能,F1得分为0.76.
- 这项研究成功地训练了CNN模型来分析疑似AAS和TAA的CXR.
结论:
- 基于CNN的CXR分析为临床医生在ED中管理疑似AAS和TAA患者提供了一个新的工具.
- 将这些人工智能支持的成像工具集成到ED工作流中,可以显著改善关键大动脉疾病的诊断.
更多相关视频
09:32Time-Resolved, Dynamic Computed Tomography Angiography for Characterization of Aortic Endoleaks and Treatment Guidance via 2D-3D Fusion-Imaging
Published on: December 9, 2021
2.9K
08:05Lung CT Segmentation to Identify Consolidations and Ground Glass Areas for Quantitative Assesment of SARS-CoV Pneumonia
Published on: December 19, 2020
14.1K
