基于视频的AI模块具有原始规模和ROI规模的信息,用于甲状腺结节诊断
Linghu Wu1, Yuli Zhou1, Mengmeng Liu1
1Ultrasound Department, Shenzhen People's Hospital (The Second Clinical Medical College, Jinan University, The First Affiliated Hospital, Southern University of Science and Technology), Shenzhen, 518020, Guangdong, China.
Heliyon
|October 11, 2024
概括
人工智能双流模型显著提高了甲状腺超声波诊断的准确性,减少了不必要的活检. 这种人工智能工具实现了高性能,在识别甲状腺结节方面超过了经验丰富的放射科医生.
科学领域:
- 医疗成像医学成像
- 人工智能在医学中的应用
- 甲状腺结节诊断 甲状腺结节诊断
背景情况:
- 超声波是检测甲状腺病变的关键方法.
- 不准确的诊断可能导致治疗延迟或不必要的活检.
- 需要提高甲状腺超声波诊断的精度.
研究的目的:
- 开发一种人工智能 (AI) 模型,用于增强甲状腺超声波诊断.
- 提高诊断精度,减少不必要的活检程序的发生率.
主要方法:
- 从两家医院的672名患者 (845个结节) 收集了超声波记录.
- 开发并测试了六个AI模型变体,使用不同的视频功能策略和兴趣区域 (ROI) 规模信息.
- 在内部和外部测试集上评估模型性能,与经验丰富的放射科医生进行比较.
主要成果:
- 双流人工智能模型,包括原始规模,ROI规模流和时维卷积,实现了最高的性能.
- 在内部测试套件上,获得了0.969的接收器操作特征曲线 (AUROC) 下的面积,准确率为92.6%.
- 与其他AI变体和经验丰富的放射科医生相比,表现出优异的性能,外部测试AUROC为0.931.
结论:
- 拟议的双流人工智能模型显著提高了甲状腺超声波诊断的准确性.
- 整合ROI规模信息和时间维度卷积可以提高诊断性能.
- 这种AI方法显示了减少不必要的甲状腺结节活检的潜力.
