整体检查20周超声波扫描对胎儿生物识别的AI估计
Lorenzo Venturini1, Samuel Budd2, Alfonso Farruggia2
1School of Biomedical Engineering and Imaging Sciences, Faculty of Life Sciences and Medicine, King's College London, London, UK. lorenzo.venturini@kcl.ac.uk.
NPJ digital medicine
|January 11, 2025
概括
这项研究引入了一种自动化方法来查胎儿异常,使用人工智能来分析每个超声波. 这种方法在没有人工干预的情况下,在生物识别测量中实现了人类水平的性能.
科学领域:
- 医疗成像医学成像
- 人工智能的人工智能
- 胎儿医学 胎儿医学
背景情况:
- 目前的胎儿异常查依赖于从精选的超声波图像中进行手动生物识别测量.
- 这个过程依赖于操作员,可能会错过微妙的异常.
研究的目的:
- 开发和验证一种自动化,人工智能驱动的方法,用于从整个超声波扫描中进行胎儿生物识别测量.
- 在没有操作员干预的情况下,在胎儿生物识别估计中实现人类水平的性能.
主要方法:
- 利用神经网络对超声波视频录制的每个中的解剖结构进行分类.
- 从所有包含适当解剖学的框架中提取胎儿生物识别.
- 采用贝叶斯的方法来进行可靠的生物识别估计和从聚合测量中拒绝异常值.
主要成果:
- 对1457张超声波扫描 (4800万) 的回顾性分析表明,在胎儿生物识别估计中,人类水平的性能.
- 自动化方法为生物识别值提供了精心校准的可靠间隔.
- 显著减少对操作员依赖的图像选择的依赖.
结论:
- 拟议的人工智能驱动的方法代表了胎儿异常查的范式转变,提供自动化,准确和可靠的生物识别测量.
- 这项技术有可能提高产前诊断的一致性和准确性.
