自动肘部超声波图像识别:通过Swin变压器实现双阶段深度学习系统
Weichen Zhou1,2, Chengting Zhou2, Lirong Hu2
1Department of Medical Ultrasound, West China Hospital of Sichuan University, Chengdu, China.
Quantitative imaging in medicine and surgery
|January 22, 2025
概括
一个人工智能系统准确地分类和验证肘部超声波图像,提高诊断速度和减少放射科医生的工作量. 这项技术提高了肌肉骨超声波的质量控制和效率.
科学领域:
- 医疗成像医学成像
- 人工智能的人工智能
- 肌肉骨超声波 肌肉骨超声波
背景情况:
- 肌肉骨 (MSK) 超声波需要专门的操作人员专业知识来准确诊断损伤.
- 对图像质量控制和精确分类的高要求需要先进的临床支持工具.
- 目前的MSK超声波实践在效率和准确性方面面临挑战,突出了对自动化解决方案的需求.
研究的目的:
- 开发和评估一个用于评估MSK超声波图像质量和分类的自动化系统.
- 提高临床MSK超声波设置的诊断效率和准确性.
- 为MSK超声波程序的质量控制提供支持工具.
主要方法:
- 建议采用基于Swin变压器的Unet模型的两级系统.
- 该系统首先对肘部超声波图像进行分类.
- 随后,图像质量根据已建立的放射学家标准进行评估.
主要成果:
- 斯温变压器的骨干表现优于传统的卷积神经网络 (CNN) 模型.
- 与单阶段模型相比,两阶段模型表现出优越的性能.
- 在图像分类方面达到97%以上的准确性,在质量验证方面达到95%以上的准确性,将处理时间从16分钟以上缩短到15秒以下.
结论:
- 使用Swin变压器开发了一种有效的肘部超声波图像识别系统.
- 该系统在图像分类和标准验证方面表现出了竞争力.
- 显著减少了诊断时间,使放射科医生能够专注于复杂的病例和科学验证.
