使用红外传感器和人工智能监测肺部超声波采集

科学领域:

• 医疗成像医学成像
• 超声波技术 超声波技术 超声波技术
• 医疗保健中的人工智能

背景情况:

• 肺部疾病是全球主要的健康问题,传统的诊断方法在偏远地区面临着可访问性问题.
• 肺部体积扫描成像 (VSI-L) 是一个专为非专家设计的超声波协议,可实现远程超声波诊断.
• 与VSI-L的挑战包括在传感器操作中的潜在人为错误,影响诊断质量.

研究的目的:

• 开发和评估VSI-L超声波协议的新型培训系统.
• 通过确保正确的传感器定位和移动来解决VSI-L中的人为错误.
• 为了提高VSI-L扫描的可解释性和可靠性,用于远程放射学分析.

主要方法:

• 实施一个红外传感器系统,在VSI-L扫描期间跟踪超声波传感器轨迹.
• 从红外传感器获取运动坐标.
• 应用机器学习程序来分类传感器运动模式并评估程序的正确性.

主要成果:

• 拟议的训练系统成功地跟踪了超声波传感器的轨迹.
• 机器学习对运动痕迹的分类实现了大约95%的准确性.
• 该系统在评估VSI-L超声波程序的正确性方面表现出有效性.

结论:

• 红外传感器和基于机器学习的培训系统显著改善了VSI-L协议的遵守.
• 这项技术有可能提高VSI-L检查的质量和一致性.
• 该系统支持使先进肺部诊断更容易获得的目标,特别是在服务不足的地区.