基于人工智能的产前超声波用于诊断胎儿的嘴唇和在第二个三个月

科学领域:

• 医疗成像医学成像
• 人工智能在医学中的应用
• 产前诊断 在产前诊断

背景情况:

• 胎儿面部异常,特别是唇裂,是常见的先天性疾病.
• 准确的产前检测对于规划和管理至关重要.
• 标准超声波成像是识别这些异常的关键.

研究的目的:

• 评估卷积神经网络 (CNN) 的临床实用性,用于自动识别标准胎儿唇超声图像.
• 为了比较人工智能模型与人类超声波仪在检测这些异常方面的性能.

主要方法:

• 基于YOLOv5的AI模型是使用700个胎儿的超声波数据 (20-24周怀孕) 开发的.
• 人工智能模型,职业生涯中期的超声波专家和初级超声波专家分析了200个测试案例.
• 使用接收器操作特征 (ROC) 曲线评估性能,计算灵敏度,特异性和精度.

主要成果:

• 人工智能模型的曲线下面面积 (AUC) 值高于中职 (0.971比0.935) 和初级 (0.971比0.880) 的鼻唇截面超声波仪.
• 在中面 (0.988 vs. 0.939/0.904) 和上膜脊 (0.977 vs. 0.840/0.824) 部分观察到较高的AUC.
• 人工智能模型在统计学上比人类超声波仪显著改善 (P<0.05).

结论:

• 与职业生涯中期和初级超声波专家相比,人工智能模型表现出更高的分类效率.
• 人工智能方法在识别标准胎儿唇部和部超声波图像方面被证明更快,更有效.