人工智能驱动的胎儿肝脏回声纹理分析:预测新生儿胰岛素失衡的新前沿

科学领域:

• 医疗成像医学成像
• 人工智能的人工智能
• 新生儿健康 新生儿健康

背景情况:

• 孕期糖尿病 (GDM) 可能导致新生儿并发症.
• 新生儿胰岛素水平升高是胎儿代谢压力的关键指标.
• 目前用于评估新生儿胰岛素状态的方法可能是侵入性的.

研究的目的:

• 评估人工智能 (AI) 模型,以预测新生儿胰岛素水平升高.
• 通过超声波分析胎儿肝脏回声纹理来预测这种情况.
• 评估AI在识别新生儿胰岛素失衡方面的诊断准确性.

主要方法:

• 诊断准确性研究涉及胎儿肝脏 (37-42周妊娠期) 的超声波图像.
• 人工智能分类模型 (ResNet,EfficientNet) 在胎儿肝脏超声图像上进行训练.
• 模型根据回声纹理分析预测C-水平升高.

主要成果:

• EfficientNet-B0模型实现了最高的性能.
• 获得了86.5%的灵敏度,82.1%的特异性和84.3%的准确性.
• 在ROC曲线下的面积 (AUC) 为0.83,预测新生儿胰岛素水平升高.

结论:

• 人工智能对胎儿肝脏回声结构的分析对于预测新生儿C水平升高是有效的.
• 这种方法为检测新生儿胰岛素失衡提供了一种有希望的非侵入性方法.
• 人工智能驱动的超声波分析可以帮助早期识别新生儿的代谢问题.