放射学,深度学习和融合模型的多中心比较分析,用于预测产后出血

科学领域:

• 医疗成像医学成像
• 人工智能的人工智能
• 产科和妇科 产科和妇科

背景情况:

• 产后出血 (PPH) 是产后死亡的主要原因之一.
• 准确预测PPH对于及时干预至关重要.
• 胎盘积分谱 (PAS) 障碍增加了PPH风险.

研究的目的:

• 为了比较2D深度学习 (DL),3DDL,放射学和PPH的融合模型的预测能力.
• 为了评估这些模型,使用斜T2加权的MRI图像来评估这些模型.

主要方法:

• 追溯分析了581名怀孕妇女怀疑PAS接受MRI.
• 发展放射学,2D DL,3D DL和融合 (早期和晚期) 模型.
• 使用ROC曲线,AUC,灵敏度,特异性,校准和决策曲线分析进行性能评估.

主要成果:

• 晚期融合DL-放射学模型 (DLRad_LF) 实现了最高的AUC (0.955训练,0.898验证).
• 在验证组中,3D DL 模型显著超过了放射学和2D DL 模型.
• 胎盘前和PAS并没有显著影响模型性能.

结论:

• DLRad_LF模型在预测PPH的高准确度上表现出了高准确度的PPH预测.
• 这种融合模型为PPH风险评估提供了一个有前途的工具.