使用超声波融合与注意力和选择性转换进行菌性关节炎建模:初步研究
Chung-Ming Lo1, Kuo-Lung Lai2,3
1Graduate Institute of Library, Information and Archival Studies, National Chengchi University, Taipei, Taiwan.
Journal of imaging informatics in medicine
|September 16, 2024
概括
一个新的AI模型,FAST,使用超声波图像进行快速的败血性关节炎诊断. 它实现了高精度,改进了传统方法,并使得治疗决策更快.
科学领域:
- 医疗成像医学成像
- 人工智能的人工智能
- 整形外科 整形外科 整形外科
背景情况:
- 传统的败血性关节炎诊断依赖于病原体检测,这是耗时的.
- 败血性关节炎的延迟诊断可能导致严重的关节损伤和长时间的治疗.
- 需要针对败血性关节炎的快速和客观的诊断工具.
研究的目的:
- 开发和评估使用超声波图像进行定量分类模型,以快速诊断败血性关节炎.
- 与现有方法相比,提高诊断的准确性和速度.
- 探索多模式超声波数据的整合,以提高分类.
主要方法:
- 创建了一个数据库,包含342张非败血性和168张败血性关节炎超声波图像 (灰度和功率多普勒).
- 提出了一种新的架构,即与注意力和选择性转换 (FAST) 融合,将视觉变压器 (ViT) 与卷积块注意力模块集成在一起.
- 使用五倍交叉验证来评估模型的概括能力.
主要成果:
- FAST架构实现了86.33%的精度,80.66%的灵敏度,90.25%的特异性和0.92.2%的AUC.
- FAST的性能超过了传统的ViT (82.14%) 和单模式方法 (GS 73.88%,PD 72.02%) 的统计学意义 (p < 0.01).
- 该模型有效地整合了多模式和通道特征,以改进败血性关节炎的分类.
结论:
- 开发的FAST模型证明了使用多模式超声波数据进行败血性关节炎分类的有希望的准确性和AUC.
- 超声波特征的端到端学习为临床应用提供了快速和客观的评估工具.
- 这种由人工智能驱动的方法有可能加快对性关节炎的诊断和治疗启动.
