评估胎儿肺部成熟度:超声波放射学和深度学习的整合
Wanming Chen1, Baohui Zeng1, Xiaoyan Ling1
1Department of Ultrasound, Guangzhou Red Cross Hospital (Guangzhou Red Cross Hospital of Jinan University), Guangzhou, Guangdong 510220, China.
African journal of reproductive health
|May 19, 2025
概括
这项研究开发了一种使用放射学和深度学习的新型非侵入性模型,以准确预测胎儿肺部成熟度. 这种进步提供了改善的产前护理和婴儿健康结果.
科学领域:
- 医疗成像医学成像
- 人工智能在医学中的应用
- 产前诊断 在产前诊断
背景情况:
- 评估胎儿肺部成熟度对于优化分娩时间和改善新生儿结果至关重要.
- 目前用于胎儿肺成熟度评估的方法可能具有侵入性或缺乏精度.
- 需要准确的,非侵入性的方法来预测胎儿肺部成熟度.
研究的目的:
- 开发和验证一种用于预测胎儿肺成熟度的新型非侵入性模型.
- 通过深度学习,将超声波图像的放射性特征与临床数据相结合.
- 为了提高胎儿肺成熟度预测的准确性和可靠性.
主要方法:
- 从263个怀孕的超声波图像使用GE VOLUSON E8系统进行了分析.
- 放射性特征被提取并与临床数据相结合.
- 包括DenseNet121在内的深度学习算法用于构建预测模型.
- 使用接收机操作特征 (ROC) 曲线,校准图和决策曲线分析 (DCA) 验证了模型性能.
主要成果:
- 综合放射学和深度学习模型在预测胎儿肺成熟度方面表现出显著的准确性和可靠性.
- 与现有方法相比,开发的方法显示了更好的诊断性能.
- 验证指标证实了该模型在预测肺成熟度方面的有效性.
结论:
- 这种新的非侵入性方法整合了放射学和深度学习,显示了提高产前护理的巨大前景.
- 该模型在预测胎儿肺成熟度方面提供了显著的改进.
- 为了确定其临床实用性,需要在各种医疗保健环境中进行进一步的验证和改进.
