设计和实施低成本的基于杆的角度超声波门架,以使用深度学习进行最佳的组织切片选择

科学领域:

• 医疗成像医学成像
• 计算病理学计算病理学
• 人工智能在医学中的应用

背景情况:

• 超声波 (美国) 对于诊断瘤和软组织病理至关重要.
• 手动切割切除的瘤是耗时的,资源密集的,容易出现人为错误.
• 自动化组织切片选择可以提高诊断的准确性和效率.

研究的目的:

• 开发一个具有成本效益的超声波门架系统,与深度学习算法集成.
• 为了自动化选择最佳组织切片进行显微分析的过程.
• 提高瘤诊断和治疗规划的准确性和效率.

主要方法:

• 开发一个线性超声波门架系统,用于B模式的图像采集.
• 改进了一个能够进行多角度扫描的角度超声波门架系统,用于全面的几何分析.
• 集成深度学习算法,从获得的美国图像中预测最佳组织切片.

主要成果:

• 角式超声波门架系统在线性设计上显示出显著的改进.
• 该系统在选择最佳组织切片时达到98%的准确性.
• 自动化减少了组织准备分析的时间,资源和人为错误.

结论:

• 开发的带有深度学习的角度超声波门架系统有效地自动化了最佳的组织切片选择.
• 这种自动化方法最大限度地减少了诊断的不确定性,有助于准确的瘤分类和类型.
• 该系统有潜力通过提高诊断准确性和规划来降低治疗风险.