相关实验视频
Updated: Jul 27, 2026
07:45
Quantifying Intermembrane Distances with Serial Image Dilations
Published on: September 28, 2018
6.5K
计算机辅助诊断DDH使用超声波:深度学习进行细分和准确的角度测量与放射科医生的临床工作流程保持一致
Muhammed Enes Yilmaz1, Evrim Colak2, Mehmet Serdar Guzel3
1Electrical and Electronics Engineering Department, Ankara University, Ankara.
Medical ultrasonography
|August 11, 2025
概括
本研究介绍了使用深度学习的部发育性发育不良症 (DDH) 的计算机辅助诊断 (CAD) 系统. 该系统准确地测量部角,提高诊断可靠性和临床适用性.
科学领域:
- 医疗成像医学成像
- 人工智能的人工智能
- 儿科整形外科 儿科整形外科
背景情况:
- 部发育性形 (DDH) 需要通过超声波进行准确的评估.
- 目前用于DDH评估的方法可能是主观的,缺乏标准化.
- 深度学习 (DL) 提供了自动化和提高诊断准确性的潜力.
研究的目的:
- 开发和验证计算机辅助诊断 (CAD) 系统,用于使用超声波进行自动DDH评估.
- 为了整合DL进行精确的解剖细分和基于图形方法的α&β角度计算.
- 为了提高准确性,在基线定义中排除下阴茎曲,模仿放射科医生的工作流程.
主要方法:
- 利用了来自370名新生儿的452张原始超声波图像的数据集,并将数据增强为训练.
- 使用U-Net,Mask R-CNN,YOLOv8和YOLOv11进行解剖细分.
- 使用中心点/方向 (方法-I) 和 Hough 变换 (方法-II) 测量 α&β 角,并通过 Bland-Altman 和 ICC 分析与专家测量进行比较.
主要成果:
- YOLOv11实现了卓越的细分性能 (例如,精度:0.990,IOU:0.983).
- 方法II (Hough转换) 在角度测量中显示出更高的准确性,产生了α的0.929和β的0.952的ICC.
- 该CAD系统与专家放射科医生有着强烈的一致性,并提高了测量器间的可靠性.
结论:
- 引入了一种新的,临床一致的DDH评估CAD系统,结合了细分和角度测量.
- 该系统的标准化指标解决了DL研究中的异质性,促进了跨研究的比较.
- 排除腹腔曲率和强大的方法导致了优越的ICC,证实了临床适用性和技术稳定性.
