开发一种深度学习模型,通过平面X射线对腰椎细分来估计新生儿的妊娠年龄
Sungwon Ham1, Gayoung Choi2, Bo-Kyung Je3
1Healthcare Readiness Institute for Unified Korea, Korea University Ansan Hospital, Korea University College of Medicine, Seoul, Republic of Korea.
Korean journal of radiology
|August 28, 2025
概括
这项研究开发了一种深度学习模型,以估计新生儿的妊娠年龄 (GA),使用从放射图片的腰椎体形状. 人工智能模型显示了临床环境中新生儿成熟度评估的潜力.
科学领域:
- 医学成像
- 医疗保健中的人工智能
- 新生儿医学
背景情况:
- 准确估计妊娠年龄 (GA) 对新生儿护理至关重要.
- 传统的GA评估方法可能耗时或需要专门的设备.
研究的目的:
- 开发和验证用于估计新生儿GA的深度学习模型.
- 评估模型在细分腰椎体和从X光片估计GA的性能.
主要方法:
- 对423张新生儿X光片进行了回顾性研究.
- 使用DeepLabv3+和ResNet架构进行细分和GA估计的深度学习模型的开发.
- 在167张X光片的单独数据集上进行外部验证.
主要成果:
- 细分模型实现了0.801±0.031的平均Dice相似系数.
- 该GA估计模型的平均绝对误差为5.2±0.5天.
- 布兰德- 阿尔特曼分析显示偏差为- 0. 4天, 95% 的一致性范围为-13. 0至12. 3天.
结论:
- 深度学习模型在腰椎体细分和GA估计方面表现有前途.
- 这种人工智能工具有可能成为临床实践中评估新生儿成熟度的辅助方法.
