对子宫内膜损伤的可视化歇斯托罗斯镜人工智能生育评估系统:一个图像深度学习研究
Bohan Li1, Hui Chen2,3, Hua Duan1
1Department of Minimally Invasive Gynecologic Center, Beijing Obstetrics and Gynecology Hospital, Capital Medical University, Beijing Maternal and Child Health Care Hospital, Beijing, China.
Annals of medicine
|March 18, 2025
概括
一个使用透镜图像的人工智能系统准确地预测了阿舍尔曼综合征妇女的受孕情况. 这种深度学习工具有助于评估生育能力,并优化对子性的治疗.
科学领域:
- 生殖医学 生殖医学
- 医疗保健中的人工智能
- 医学成像分析 医学成像分析
背景情况:
- 阿舍尔曼综合征 (AS) 是女性不孕的主要原因,通常是怀孕后扩张和切割 (D&C) 的结果.
- AS可以显著降低怀孕率,特别是在中度至重度子宫内粘附的情况下.
- 准确的生育评估对于管理子性和反复流产至关重要.
研究的目的:
- 开发和评估用于生育评估的透式人工智能 (AI) 系统.
- 利用深度学习算法来分析歇斯底里镜像以预测怀孕结果.
- 建立一个可量化的可视化面板,以改善子宫内病理的评估.
主要方法:
- 一项涉及555例病例和4922张来自中国子宫内附着症队列的宫镜图像的诊断研究.
- 评估两种图像深度学习算法,用于预测在一年和两年内怀孕.
- 绩效指标包括曲线下的面积 (AUC),决策曲线分析和一致性指数.
主要成果:
- 相对危险的卷积神经网络 (CNN) 系统在预测怀孕方面表现出很高的准确性 (AUC 0.982-0.990).
- 人工智能系统的性能优于InceptionV3框架,在低生育率评估方面实现了69.4%的净收益.
- 性能与高级透镜师 (kappa 0.84-0.89) 相当,具有稳定和时间准确的预测能力.
结论:
- 一个基于CNN的系统准确地评估了阿舍尔曼综合征患者的术后生育能力.
- 开发的AI系统及其可视化面板可以帮助评估子宫内病理.
- 这项技术支持优化治疗策略,从而实现个性化和成本效益高的临床实践.
