在肺超声波中使用卷积神经网络自动检测肺线和肺滑动
Takeyoshi Uchida1, Yukimi Tanaka1, Akihiro Suzuki2
1Material Strength Standards Group, Research Institute for Engineering Measurement, National Metrology Institute of Japan, National Institute of Advanced Industrial Science and Technology, Central 3, 1-1-1 Umezono, Tsukuba, 305-8563, Japan.
Heliyon
|August 22, 2024
概括
这项研究引入了使用卷积神经网络 (CNN) 进行肺超声波 (LUS) 的计算机辅助诊断系统. 人工智能准确地识别了诸如肺线和肺滑动等关键特征,有助于诊断肺病变.
科学领域:
- 医疗成像医学成像
- 人工智能的人工智能
- 肺部病理学 肺部病理学
背景情况:
- 肺部超声波 (LUS) 是一种至关重要的诊断工具.
- 经验丰富的LUS专业人员的稀缺性限制了其广泛应用.
- 卷积神经网络 (CNN) 为LUS的计算机辅助诊断提供了一个解决方案.
研究的目的:
- 开发和评估基于CNN的计算机辅助诊断系统,用于LUS.
- 调查系统检测关键超声波特征的能力.
主要方法:
- 基于CNN的方法被开发用于LUS诊断.
- 该系统的重点是识别肺线和肺部滑动.
- 肺线的识别和肺滑动的评估对于LUS至关重要.
主要成果:
- 拟议的方法在检测肺线方面表现出高准确度.
- 该系统成功识别了肺部滑动.
- 这些发现表明该系统在诊断肺病变方面的潜力.
结论:
- 基于CNN的系统在支持LUS诊断方面表现有前途.
- 精确检测腹腔线和肺滑动可以帮助识别肺部异常.
- 这项技术可以帮助克服LUS专业知识的短缺.
