相关实验视频
Updated: May 23, 2025
10:53
Ultrasonic Assessment of Myocardial Microstructure
Published on: January 14, 2014
5.4K
用手持超声波对大动脉狭窄进行机器学习支持的查
Samuel Karmiy1, Zhe Huang2, Divya Velury1
1Department of Medicine, Tufts Medical Center, Boston, MA, USA.
European heart journal. Imaging methods and practice
|May 21, 2025
概括
一个用于检测大动脉狭窄 (AS) 的机器学习模型在手持超声波图像上表现不佳. 微调模型显著提高了它的准确性,显示了对聚焦心脏超声波 (FoCUS) 数据的自动解释的承诺.
科学领域:
- 心脏病学 心脏病学
- 人工智能的人工智能
- 医疗成像医学成像
背景情况:
- 神经网络分类器在使用心脏超声波检测大动脉狭窄症 (AS) 中表现有前途.
- 现有的模型是通过基于车的成像训练的,并且尚未通过手持设备的聚焦心脏超声波 (FoCUS) 得到验证.
研究的目的:
- 为了评估基于车的AS分类器在使用手持超声波设备获取的FOCUS图像上的性能.
- 使用手持数据微调分类器,以提高AS检测准确度.
主要方法:
- 一项前性研究包括160名患者 (≥65岁) 接受过胸前心声扫描.
- 一个预训练的基于车的AS分类器被测试在手持设备的FOCUS图像上.
- 该分类器在手持数据上进行了最后层微调,并得到了外部验证.
主要成果:
- 基于购物车的模型在FOCUS图像上获得了0.87的AUROC.
- 微调将AUROC提高到0.94,外部验证达到0.97.
- 微调的模型在模拟查环境中显示出高的正负预测值.
结论:
- 一个用于AS检测的基于车的AI模型在手持的FOCUS图像上经历了性能降低.
- 用手持数据微调模型显著提高了其诊断准确度.
- 这种方法显示了使用手持式超声波设备自动检测AS的潜力.
更多相关视频
07:12Author Spotlight: Using Point-of-Care Ultrasound for Comprehensive Evaluation of the Abdominal Aorta
Published on: September 8, 2023
2.1K
06:51Author Spotlight: Development of a Minimally Invasive Large-Animal Model for Reliable and Reproducible Cardiovascular Research
Published on: October 20, 2023
954
