根据基于深度学习技术的医疗法律解剖照片自动测量冠状动脉样硬化
Koo Young Hoi1, Sang-Seob Lee2, Harin Cheong3
1Department of Forensic Medicine, College of Medicine, The Catholic University of Korea, 222, Banpo-daero, Seocho-gu, Seoul, 06591, Republic of Korea.
Forensic science, medicine, and pathology
|July 21, 2025
概括
一个新的深度学习算法通过尸体解剖图像准确评估冠状动脉样硬化,提高了法医诊断的准确性. 虽然总体上是有效的,但对于中度动脉样硬化病例需要进一步细化.
科学领域:
- 法医医学 法医医学
- 心血管病理学心血管病理学
- 人工智能在医学中的应用
背景情况:
- 动脉样硬化心血管疾病的诊断在法医中至关重要,因为它与突然死亡有关.
- 目前法医病理学家对韩国尸检中的冠状动脉样硬化的视觉评估可能缺乏诊断准确性.
- 需要对冠状动脉样硬化严重性的客观评估,以改善法医病理学结果.
研究的目的:
- 开发一个深度学习算法,从尸检图像中快速准确地评估冠状动脉样硬化.
- 评估开发的算法在预测动脉样硬化严重性的性能.
- 识别影响算法的预测因素.
主要方法:
- 从1920次法医解剖中对3717张数字照片进行了回顾性分析.
- 使用左前垂下和右冠状动脉图像开发深度学习算法.
- 在测试集上使用协议指标和F1分数验证算法的性能.
主要成果:
- 深度学习算法显示高一致 (0.988) 和绝对一致 (0.986) 与基本真实值.
- 这款车型获得了0.904.4的强的整体加权F1得分.
- 各类的F1分数各不相同,中度动脉样硬化的表现最低 (0.785). 化是一个重要的因素,不同于分解,支架植入或瘤.
结论:
- 开发的深度学习算法显示了作为评估冠状动脉样硬化在尸检照片中的实用工具的巨大潜力.
- 与传统的视觉评估相比,AI模型提供了更好的准确性和速度.
- 进一步的研究是有必要的,以提高模型的性能,特别是适度动脉样硬化等级.
更多相关视频
13:07Optical Coherence Tomography Based Biomechanical Fluid-Structure Interaction Analysis of Coronary Atherosclerosis Progression
Published on: January 15, 2022
4.0K
13:45A Method to Study the Correlation Between Local Collagen Structure and Mechanical Properties of Atherosclerotic Plaque Fibrous Tissue
Published on: November 11, 2022
2.2K
