相关实验视频
Updated: Jul 30, 2026
06:49
Automated Analysis of Dynamic Ca2+ Signals in Image Sequences
Published on: June 16, 2014
基于透析接入超声波图像分割的狭窄比率的自动计算方法
Fengxin Shi1,2, Dongming Zhu3, Jia Zhi3
1Academy for Engineering & Technology, Fudan University, Shanghai, China.
Medical physics
|December 27, 2024
概括
一个新的深度学习模型,VLSC-Net,准确地对透析访问超声波图像进行细分,以计算狭窄比率. 这提高了诊断效率,为临床决策提供了客观数据,降低了并发症风险.
科学领域:
- 医疗成像医学成像
- 人工智能在医学中的应用
- 血管外科 血管外科
背景情况:
- 透析接入 (DA) 狭窄影响血液透析的效率和患者的健康,需要通过超声波进行早期检测.
- 目前的超声波评估严重依赖于操作员的专业知识,在大型设施中耗费资源.
- 对DA超声图像的自动分析对于精确的狭窄比率计算至关重要,改善了诊断和治疗.
研究的目的:
- 在超声波图像中使用图像细分网络来精确细分DA流明.
- 使用形态处理自动分类狭窄类型并计算狭窄比率.
- 提高医生诊断效率,为临床决策提供定量数据.
主要方法:
- 开发了船舶光量细分和分类网络 (VLSC-Net),这是一个用于DA光量细分和分类的深度神经网络.
- 将VLSC-Net与U-Net,TransUNet,MultiResUnet和ResUNet进行比较,使用mIoU,Dice,Accuracy,HD和ASSD指标进行比较.
- 利用形态处理和特征提取来划分光边和自动计算LDSR和SASR.
主要成果:
- VLSC-Net实现了卓越的性能,mIoU为0.9563,子得分为0.9777,精度为0.9976.
- 与U-Net相比显著改善 (p < 0.0125) 平均处理时间为每张图像164ms.
- 在狭窄比率计算中,LDSR的平均误差为1.4%,SASR的平均误差为7.8%.
结论:
- VLSC-Net方法显著提高了医疗人员的诊断效率.
- 提供可靠,客观的证据,用于临床评估和决策在DA狭窄症治疗.
- 旨在降低与透析接入狭窄相关的并发症风险.
