在第一季度超声波中自动测量人类胚胎体积,来自鹿特丹妊娠前期队列:人工智能的定量和定性评估
Wietske A P Bastiaansen1,2, Stefan Klein2, Batoul Hojeij1
1Department of Obstetrics and Gynecology, Erasmus MC, University Medical Center, Rotterdam, The Netherlands.
Journal of medical Internet research
|March 31, 2025
概括
这项研究引入了一种人工智能算法,用于在怀孕早期的超声波中快速准确地测量胚胎和头部体积. 这种自动化方法显著减少了测量时间,使其可用于监测胎儿发育的常规临床使用.
科学领域:
- 医疗成像医学成像
- 人工智能的人工智能
- 产科 产科 产科 产科 产科
背景情况:
- 在怀孕早期进行的非侵入性体积测量可以提供对胚胎发育的见解.
- 目前的方法 (VR,VOCAL) 耗时,需要专门的培训,并引入可变性.
- 在常规临床应用中需要自动测量.
研究的目的:
- 开发一种自动人工智能算法,用于在第一季度的3D超声波中对胚胎体积 (EV) 和头部体积 (HV) 进行细分和测量.
- 克服手动和半自动测量技术的局限性.
- 为了能够有效和准确地监测早期怀孕的生长和发育.
主要方法:
- 利用了来自鹿特丹孕期期 (妊娠期7-11周) 的3D超声波数据集.
- 开发了使用nnU-net细分工具进行EV和HV测量的AI算法.
- 使用类内相关系数 (ICC) 和定性专家评级验证的性能,比较AI与VR方法在历史和未来的数据集.
主要成果:
- 基于AI的体积评估 (EV和HV) 每个数据集大约需要2分钟,比VR所需的5-10分钟要快得多.
- 实现了高精度,ICC值为0.998 (在2020年之前) 和0.996-0.997 (2020年数据).
- 定性分析显示,整体质量与VR相当,AI在HV测量方面表现出色 (79%优秀),但在EV细分中偶尔会缺少四肢.
结论:
- 开发了两种完全自动的人工智能算法,从第一季度的3D超声数据进行精确的EV和HV测量.
- 人工智能测量显示出高精度和效率,与专家手动/虚拟现实方法相比.
- 在例行妊娠护理中,快速自动体积评估的可行性可以提高发育障碍的查,诊断和治疗.
