通过超高分辨率超声波卵巢图像的任何部分模型进行自动高精度PCOS检测
S Reka1, T Suriya Praba2, Mukesh Prasanna1
1School of Computing, SASTRA Deemed University, Thirumalaisamudram, Thanjavur, 613401, India.
Scientific reports
|May 14, 2025
概括
一个新的深度学习模型,QEI-SAM,增强了超声波图像,并对卵巢囊进行细分,以准确诊断多囊卵巢综合征 (PCOS). VGG 19实现了99.31%的准确性,改善了早期检测和治疗.
科学领域:
- 医疗成像医学成像
- 人工智能的人工智能
- 妇女健康 妇女健康
背景情况:
- 多囊卵巢综合征 (PCOS) 诊断依赖于超声波,但手动分析耗时且容易出现错误.
- 准确和及时的PCOS诊断对于有效治疗和预防长期并发症至关重要.
- 深度学习为简化PCOS诊断和提高准确性提供了一个潜在的解决方案.
研究的目的:
- 开发和评估一种新的深度学习方法,以提高超声波图像质量和对卵巢囊进行细分.
- 使用先进的人工智能技术提高PCOS诊断的准确性和效率.
- 整合图像增强和细分,以提供强大的PCOS预测模型.
主要方法:
- 提出了QEI-SAM模型,将增强超级分辨率生成对抗网络 (ESRGAN) 集成为图像增强.
- 利用分段任何模型 (SAM) 进行精确的卵巢囊细分.
- 实施了各种卷积神经网络 (CNN),包括ResNet和VGG变体,用于PCOS诊断.
主要成果:
- ESRGAN实现了优异的图像增强,SSIM为0.938,PSNR为38.60,LPIPS为0.0859. 这些图像的增强值为0.938.
- SAM表现出高细分性能,Dice系数为0.9501和IoU得分为0.9050.SAM表现出高细分性能,Dice系数为0.9501和IoU得分为0.9050.
- 在PCOS检测方面,VGG 19实现了最高的诊断准确率99.31%.
结论:
- QEI-SAM模型有效地提高了超声波图像质量,并准确地细分卵巢囊.
- 深度学习模型,特别是VGG 19,显示出对准确和高效的PCOS诊断的重大前景.
- 这种综合方法可以帮助临床医生更快,更可靠地检测PCOS,改善患者的治疗结果.
更多相关视频
07:44Non-Invasive Ultrasound Assessment of Endometrial Cancer Progression in Pax8-Directed Deletion of the Tumor Suppressors Arid1a and Pten in Mice
Published on: February 17, 2023
1.4K
10:21A Coregistered Ultrasound and Photoacoustic Imaging Protocol for the Transvaginal Imaging of Ovarian Lesions
Published on: March 3, 2023
1.4K
