基于深度学习的剪切波检测和细分工具,用于慢性肝病评估的治疗点
Mohammad Honarvar1, Julio Lobo1, Caitlin Schneider1
1Sonic Incytes Medical Corp., Vancouver, BC, Canada.
Ultrasound in medicine & biology
|September 7, 2024
概括
维拉库尔的新型深度学习软件准确地检测了代谢功能障碍相关的脂肪性肝病 (MASLD) 患者的肝脏剪切波. 这项技术在现实环境中提高了照顾点肝脏评估质量.
科学领域:
- 肝病学 肝病学是一种肝病学.
- 医疗成像医学成像
- 人工智能的人工智能
背景情况:
- 与代谢功能障碍相关的脂肪性肝病 (MASLD) 的患病率在全球范围内正在增加.
- 对于MASLD的诊断和管理,需要准确的,照顾点肝脏评估工具.
- 目前用于肝脏评估的方法可能具有侵入性或缺乏精度.
研究的目的:
- 评估基于深度学习的新型软件工具的性能,用于肝脏剪切波检测和细分.
- 评估软件在改善MASLD患者肝脏组织表征方面的实用性.
- 为了确定软件在现实世界中的有效性,使用Velacur设备设置护理点.
主要方法:
- 一个U-Net架构的深度学习算法在来自103名患者的15045张专家细分图像上进行了训练.
- 该算法在36名志愿者和不同诊所的MASLD患者的4429张图像上进行了测试.
- 使用灵敏度,特异性和Dice系数来评估性能,在Velacur系统上测试了一种原型.
主要成果:
- 剪切波检测算法实现了81%的灵敏度和84%的特异性.
- 基于图像和基于患者的平均值的子系数分别为0.74和0.75.
- 作为B模式超声波覆盖的软件实现提高了操作人员对肝脏评估的质量.
结论:
- 深度学习剪切波算法在一组多样化的志愿者和MASLD患者的测试中表现出强的表现.
- 将该软件集成到Velacur系统中,显著提高了医疗点肝脏评估的质量.
- 该工具有望提高MASLD管理中的诊断准确性和效率.
