CLP-Net:一种先进的人工智能技术,用于通过三维超声波在妊娠的第一季度定位口唇裂的标准平面

科学领域:

• 医疗成像医学成像
• 医疗保健中的人工智能
• 胎儿超声技术 胎儿超声技术

背景情况:

• 唇裂早期诊断至关重要,但需要熟练的放射科医生进行多平面3D超声检查.
• 当前的诊断方法要求高技术水平,对及时和准确的检测提出了挑战.

研究的目的:

• 开发和验证第一个基于人工智能 (AI) 的模型,CLP-Net,用于第一季度3D超声波中的自动化多平面定位.
• 通过人工智能驱动的图像分析来提高CLP查的准确性和效率.

主要方法:

• 一项回顾性研究使用了418个 (394个正常,24个CLP) 孕妇的3D超声波体积 (11-13+6周怀孕).
• 开发CLP-Net使用320个正常卷用于培训/验证和测试74个正常卷和24个CLP卷.
• 两位经验丰富的放射科医生通过审查标准的嘴唇和 palatal 平面 (中腰三角形,鼻后三角形,大轴) 建立了基本真理.

主要成果:

• 在正常和CLP病例中,CLP-Net在定位标准平面方面表现出很高的准确性,放射科医生有着显著的视觉接受率 (MSP:95%,RTP:70%,MAP:70%).
• 人工智能模型显著提高了本地化速度,特别是对于初级放射科医生来说.
• 定量指标 (角度,距离,NCC,SSIM) 证实了模型在识别关键解剖平面方面的强大表现.

结论:

• 在3D超声波中,CLP-Net准确地定位了裂唇和 palatal 查所必需的平面.
• 人工智能模型是放射科医生的宝贵工具,提高了早期胎儿异常检测的效率和准确性.
• 这种人工智能驱动的方法有望简化超声波检查,并通过早期诊断改善患者的治疗结果.