深度学习模型用于预测非常早产婴儿的神经发育结果,使用大脑超声波.
Tahani M Ahmad1,2,3, Alessandro Guida4,5, Sam Stewart6
1Department of Pediatric Radiology, IWK Health, Halifax, Nova Scotia, Canada.
Mayo Clinic proceedings. Digital health
|April 10, 2025
概括
使用头骨超声波和临床数据的深度学习模型可以预测非常早产婴儿 (VPIs) 的神经发育障碍 (NDI). 这种方法有助于早期识别和干预,以改善结果.
科学领域:
- 新生儿神经学 新生儿神经学
- 医学成像分析分析 医学成像分析
- 机器学习在医疗保健中的应用
背景情况:
- 非常早产婴儿 (VPIs) 面临神经发育障碍 (NDI) 的风险.
- 准确预测NDI对于及时干预至关重要.
- 超声波 (CUS) 和临床数据是潜在的预测因素.
研究的目的:
- 开发和验证深度学习 (DL) 模型,用于预测VPI中的NDI.
- 整合CUS图像和临床变量,以提高预测准确度.
- 与传统方法相比,评估DL模型的性能.
主要方法:
- 对VPI的回顾性队列研究 (怀孕22-30周).
- 使用弹性网 (EN) 和卷积神经网络 (CNN) 开发DL模型.
- 使用CUS图像和临床数据在医院出院和3个时间点.
主要成果:
- 结合CUS和临床变量的一种CNN模型显示,与单独的临床预测因素 (PR-AUC: 0.60) 相比,其性能优越 (PR-AUC: 0.75).
- 在6周前面冠状平面产生了最高的预测准确度 (PR-AUC:0.81).
- 模型使用PR-AUC和ROC-AUC指标进行了验证.
结论:
- 整合CUS和临床数据的DL预后模型有效地预测VPI中的NDI.
- 早期和准确的NDI风险识别有助于针对性干预.
- 这种预测模型可以改善VPI的功能结果.
