人工智能可以在动态跨膜超声波中确定正确的中平面
José Antonio García-Mejido1, Juan Galán-Paez2, David Solis-Martín2
1Department of Surgery, Faculty of Medicine, University of Seville, Seville, Spain.
Journal of clinical ultrasound : JCU
|April 25, 2025
概括
一个新的机器学习模型在动态超声波研究中准确地识别了中平面. 它的表现与初级和高级考员的表现相当或超过.
科学领域:
- 医学成像医学成像
- 机器学习在医疗保健中的应用
- 盆地诊断 盆地诊断 盆地诊断
背景情况:
- 精确捕捉中平面对于动态的跨膜超声波评估盆底至关重要.
- 目前的方法依赖于审查员的专业知识,这可能会带来变化.
- 需要客观的工具来标准化和提高中平面识别的准确性.
研究的目的:
- 开发和验证一种机器学习 (ML) 模型,用于在动态骨盆地超声波中识别正确的中腰平面.
- 评估模型与初级和高级考官的一致性,使用专家考官作为黄金标准.
主要方法:
- 一项观察性前性研究,涉及90名没有骨盆底病理的患者.
- 分析了休息时和瓦萨尔瓦演习期间拍摄的超声波视频.
- 在以前的数据上训练的细分模型与XGBoost算法和特征工程一起用于创建ML模型. 使用卡帕指数测量一致性.
主要成果:
- ML模型获得了0.930的kappa指数 (p < 0.001),这表明检测正确的中平面的一致性非常好.
- 一名初级考官表现出非常好的一致性 (卡帕指数=0.930,p < 0.001).
- 一位高级考官表现出很好的一致性 (kappa指数 = 0.789,p < 0.001).
结论:
- 一个经过验证的机器学习模型可以在动态跨膜超声波中准确地确定中平面.
- 该模型的表现显示了与初级和高级考官相比或超过的协议水平.
- 这种ML工具为标准化和提高骨盆地超声波解释的准确性提供了一个有希望的方法.
