用深度学习来进行第一次妊娠期胎儿超声波图像质量审计的有效性和临床影响

科学领域:

• 医疗成像医学成像
• 人工智能的人工智能
• 放射学 放射学是一门学科.

背景情况:

• 手动审核超声波图像是耗时且不一致的.
• 开发自动化系统对于保持质量标准至关重要.
• 第一个三个月的超声波扫描需要精确的图像质量来进行准确的评估.

研究的目的:

• 开发和验证基于人工智能的图像质量审计 (AI-IQA) 系统.
• 在第一季度扫描中自动审计关键的超声波平面.
• 与手动专家审计相比,评估AI-IQA系统的准确性和效率.

主要方法:

• 人工智能-IQA系统使用了YOLOv7和多分支回归网络.
• 一个大型的多中心内部数据集被用于系统开发.
• 临床验证涉及567例AI-IQA反和没有反的病例,评估放射科医生的表现.

主要成果:

• 人工智能-IQA系统表现出高精度 (例如,飞机质量的F1得分为0.837).
• AI-IQA的结果与专家评估有很强的一致性 (科恩的卡帕>0.8).
• AI-IQA显著改善了初级和中级放射科医生获得的标准图像的比例,并缩短了评估时间.

结论:

• 该AI-IQA系统提供了准确和高效的第一季度超声波图像质量的自动审计.
• 该工具为关键扫描平面提供了准确和快速的质量控制.
• AI-IQA协助所有经验水平的放射科医生提高图像质量和诊断准确度.