基于人工智能,使用HeartAssist进行胎儿心脏的自动分类,注释和测量

科学领域:

• 医疗成像医学成像
• 人工智能在医学中的应用
• 胎儿心脏病学 胎儿心脏病学

背景情况:

• 先天性心脏病 (CHD) 诊断依赖于准确的胎儿心脏评估.
• 现有的AI工具往往只专注于分类,限制了全面的分析.
• 对于胎儿心脏查的综合人工智能解决方案存在需求.

研究的目的:

• 评估HeartAssist的可行性,这是一个用于胎儿心脏评估的新型自动化工具.
• 评估HeartAssist在分类心脏视图,注释结构和测量参数方面的能力.
• 将HeartAssist的性能与专家手动分析进行比较.

主要方法:

• 使用卷积神经网络在65,324张胎儿心脏图像 (20-40周妊娠期) 上开发了HeartAssist.
• 该工具经过训练,可以分类10个心脏视图,注释26个结构,并测量43个参数.
• 性能与人工分类,注释和专家的测量进行了验证.

主要成果:

• 心脏辅助实现了99.4%的分类准确度,具有高回忆率 (0.93),精度 (0.95) 和F1得分 (0.94).
• 标注准确率达到98.4%,自动测量成功率为97.6%.
• 该工具显示了与专家测量结果相似的结果,表明其可靠性很高.

结论:

• 心脏辅助是一个可靠和准确的自动化工具,用于全面的胎儿心脏评估.
• 它的综合分类,注释和测量功能可以增强产前心脏病检测.
• 这项技术有可能通过早期和准确的诊断来改善围产期的结果.