从超声波图像中对痛风进行诊断,使用贴片明智的注意深度网络

科学领域:

• 医疗成像医学成像
• 人工智能的人工智能
• 类风湿病学 类风湿病学

背景情况:

• 痛风的患病率在全球范围内不断增加,需要改进的诊断方法.
• 超声波是痛风诊断的一个有价值的工具,因为它的非侵入性和成本效益.
• 目前的诊断方法可以通过对超声波图像的自动分析来增强.

研究的目的:

• 开发和验证基于深度学习的人工智能 (AI) 模型,用于自动化痛风诊断.
• 为了AI模型培训和验证,利用第一个甲足关节 (MTP1) 的超声波图像.
• 为了增强检测微妙的超声波特征,表明痛风.

主要方法:

• 开发了一个深度学习模型,以补丁为重点,并进行多规模的特征提取.
• 用了来自两个机构的598例病例的超声波图像.
• 该模型使用来自机构1的数据进行训练,并使用来自机构2的数据进行内部和外部验证.

主要成果:

• 人工智能模型实现了高诊断性能:87.88%的准确度,87.85%的灵敏度,87.93%的特异性和93.43%的AUC.
• 该模型生成可解释的热图,以精确定位与痛风相关的病理特征.
• 这些热图通过局部化异常来帮助临床决策.

结论:

• 成功开发了一种新的AI模型,用于使用超声波图像自动检测痛风.
• 与现有方法相比,该模型表现出优越的性能.
• 人工智能模型的突出特征与专家评估相关,表明其作为诊断辅助工具的潜力.