自动新生儿部超声波系统用于使用辅助AI诊断部发育性形

科学领域:

• 医疗成像医学成像
• 人工智能的人工智能
• 儿科整形外科 儿科整形外科

背景情况:

• 部发育性形 (DDH) 需要准确的早期诊断.
• 婴儿部超声波是关键的诊断工具.
• 人工智能集成可以增强诊断能力.

研究的目的:

• 开发和评估基于人工智能的系统,用于使用婴儿部超声波诊断DDH.
• 为了自动化Graf算法用于DDH诊断.
• 评估各种AI模型在DDH检测中的性能.

主要方法:

• 利用Graf算法创建一个自动化的DDH诊断模型.
• 评估了多种人工智能架构,包括NASNetMobile,MobileNetV1,DenseNet121,EfficientNetV2B0,ResNet50,UnestedUNet和DeepLabV3Plus. 在这些架构中,我们已经开发了多种AI架构.
• 集成人工智能与手持式超声波设备和智能手机进行便携式诊断.

主要成果:

• 与专家相比,AI模型实现了0.21的平均图角误差率.
• 纳斯网移动显示了最高的曲线下的面积 (AUC) 为0.864.
• UnestedUNet表现出高细分精度 (迪斯系数为0.794) 的高效运行时间.
• 在便携式设备上,DeepLabV3Plus显示了强大的细分性能.

结论:

• 人工智能集成显著提高了DDH诊断的准确性和效率.
• 便携式人工智能超声波设备为DDH提供了可访问的诊断解决方案.
• 开发的AI系统在儿科骨科诊断中显示了变革性的潜力.