基于用变压器方法对状腺超声波图像进行细分的斑块分类的自动化方案
Gakuto Hirano1,2, Atsushi Teramoto3, Hiroji Takai4
1Graduate School of Health Sciences, Fujita Health University, Toyoake, Japan.
Journal of medical ultrasonics (2001)
|April 17, 2025
概括
这项研究引入了一种基于变压器的自动化方法,用于从超声波图像中分类动脉斑块的回声性. 该方法提高了识别高风险斑块的准确性,有助于评估脑梗塞风险.
科学领域:
- 医疗成像医学成像
- 人工智能在医学中的应用
- 心血管诊断心血管诊断服务
背景情况:
- Carotid 斑块是脑梗塞的一个重要危险因素.
- 超声波 (美国) 对状腺斑块的成像容易产生噪音和不清楚的边界.
- 在B模式US中对声源性进行评估是主观的,对风险评估至关重要.
研究的目的:
- 使用变压器方法开发一个自动化的带斑块细分和回声性分类方案.
- 为了克服手动细分和主观回声性评估在以前的研究中的局限性.
- 为了提高心血管超声波图像中斑块风险分层的准确性.
主要方法:
- 利用TransUNet从B模式的美国视频静止图片进行区域提取和回声性分类.
- 使用视觉变压器 (ViT) 将斑块分类为低音或同音-高音类别.
- 集成分段输出与美国原始图像用于最终分类.
主要成果:
- 实现了0.592的子指数,用于斑块区域的提取精度.
- 据报道,Dice的回声效应指数为0.200 (低声),0.493 (异声) 和0.542 (高声).
- 获得了79.6%的均衡分类准确度,高风险低声波斑块的正确分类为95.2%.
结论:
- 提出的基于变压器的自动化方法证明了在评估动脉斑块回声性时的实用性.
- 这种技术为斑块风险评估提供了更客观,可能更准确的方法.
- 这些发现支持人工智能的应用,以提高脑血管疾病的诊断能力.
