HSG-Assistant:人工智能驱动的框架,用于增强的歇斯托拉平图分析
Qiufeng Yi1, Xiazhen Xu1, Chenyang Wang1
1School of Engineering, University of Birmingham, UK.
Studies in health technology and informatics
|May 17, 2025
概括
HSG-Assistant通过使用人工智能改进阴道管分析和阴道管图像质量来提高女性不孕症诊断. 这种AI工具在检测疾病时提供了更高的准确性,有助于治疗规划.
科学领域:
- 医疗成像医学成像
- 人工智能的人工智能
- 生殖医学 生殖医学
背景情况:
- 传统的歇斯底里脉冲扫描 (HSG) 的分辨率低,噪音高,限制了女性不孕症的诊断准确度.
- 这些局限性可能导致关键解剖特征的错过或错误诊断.
- 改进的成像分析对于有效的不孕症诊断和治疗计划至关重要.
研究的目的:
- 引入HSG-Assistant,一个人工智能驱动的框架,以克服传统HSG成像对女性不孕症诊断的局限性.
- 为了提高检测和细分输卵管状况的准确性和可靠性.
- 为临床医生提供一个更有效的工具,用于不孕症诊断和治疗规划.
主要方法:
- 整合基于YOLO的检测模型,用于精确定位和分类输卵管状况 (mAP@.5为99.5%).
- 应用多尺度分辨率 (MSR) 技术来提高图像质量,减少噪音和保存解剖细节.
- 使用多通道注意力U-Net (MCAtt-U-Net) 进行复杂结构的准确细分 (84%的IoU).
主要成果:
- 在检测输卵管状况方面获得了高精度 (mAP@.5 的 99.5%).
- 使用MSR技术显著提高图像清晰度和降低噪音.
- 使用MCAtt-U-Net. 证明了复杂结构的准确细分,其IOU为84%,使用MCAtt-U-Net.
结论:
- HSG-Assistant显著提高了HSG成像中的图像清晰度,细分精度和诊断可靠性.
- 人工智能框架简化了女性不孕症的诊断工作流程.
- HSG-Assistant为临床医生提供了一种可靠的工具,以改善不孕症诊断和治疗计划.
