相关实验视频
Updated: Jan 16, 2026
07:12
Diagnostic Ultrasound Imaging of Mouse Diaphragm Function
Published on: April 21, 2014
16.6K
开发一种深度学习模型,用于使用超声波成像来自动诊断神经肌肉疾病
1School of Physical Education, Central China Normal University, Wuhan, China.
Frontiers in neurology
|September 26, 2025
概括
一个新的深度学习模型,NMD-AssistNet,准确地分类神经肌肉疾病 (NMD) 超声图像. 这种人工智能工具提高了NMD查的诊断效率和可解释性.
科学领域:
- 医疗成像医学成像
- 人工智能的人工智能
- 神经学 神经学
背景情况:
- 神经肌肉疾病 (NMDs) 由于各种症状和工具限制,存在诊断挑战.
- 肌肉骨超声波是评估肌肉病理学的宝贵,非侵入性工具.
- 当前的超声波诊断在很大程度上依赖于操作员的专业知识,限制了广泛的准确性.
研究的目的:
- 开发一种轻量级,可解释的深度学习模型,用于通过超声波自动进行NMD查.
- 使用人工智能提高NMD识别的诊断准确性和效率.
主要方法:
- 开发了NMD-AssistNet,集成了GhostNet,CBAM注意力和深度可分离的卷积.
- 在3,917张注释的超声波图像上训练和评估模型.
- 使用Mixup增强,标签平滑和SWALR学习速率调度,以提高概括性.
主要成果:
- NMD-AssistNet实现了0.9502的分类精度和0.9776.6的AUC.
- 该模型的表现优于CSPNet,EfficientNet,GhostNet,HRNet和Vision Transformer. 这种模型的表现比CSPNet,EfficientNet,GhostNet,HRNet和Vision Transformer更好.
- 格拉德-CAM可视化证实模型的重点是临床相关的肌肉区域,表明可解释性.
结论:
- NMD-AssistNet为自动化NMD查提供了高诊断能力,计算效率和可解释性.
- 该框架适合在便携式超声波或边缘AI设备上实时部署.
- 这种人工智能解决方案可以帮助各种医疗保健机构的临床医生改善NMD诊断.
