在紧急护理和产科患者使用无线手持超声波和边缘计算人工智能实时识别cricothyrotomy里程碑:一项前性观察研究
Cheng-Yi Wu1, Jia-Da Li2, Po-Yuan Shih3
1Department of Emergency Medicine, National Taiwan University Hospital, Taipei, Taiwan.
Journal of medical systems
|October 9, 2025
概括
机器学习模型准确地检测和定位甲软骨 (CC),甲状腺软骨 (TC) 和甲状腺膜 (CTM) 进行甲状腺切除术. YOLOv8n和YOLOv10n型号在手持式超声波设备上提供临床上可行的实时性能.
科学领域:
- 医疗成像医学成像
- 人工智能在医学中的应用
- 超声波技术 超声波技术 超声波技术
背景情况:
- 甲状腺切除术是一种关键的呼吸道手术,需要精确的解剖学地标识别.
- 超声指导可以提高cricothyroidotomy的准确性和安全性.
- 开发用于超声指导程序的自动化工具是研究的一个活跃领域.
研究的目的:
- 开发和评估机器学习算法,以超声波导向定位状软骨 (CC),甲状腺软骨 (TC) 和状腺膜 (CTM).
- 为此任务评估不同You Only Look Once (YOLO) 模型变体的性能.
- 在便携式超声波平台上确定这些模型的实时成像能力.
主要方法:
- 有望招募608名成人女性参与者,这些参与者需要接受需要进行气道评估的程序.
- 使用无线手持式超声波设备和边缘计算平板电脑收集了117,094个超声波.
- 开发和评估三个YOLO模型变体 (v5n6,v8n,v10n) 的检测和定位准确性 (ROC曲线下的区域,联盟上的交叉点).
主要成果:
- 所有YOLO模型都在检测CC,TC和CTM方面表现出高精度 (AUC>0.88).
- 对于CC (YOLOv5n6: 0.713,YOLOv8n: 0.718,YOLOv10n: 0.718) 和TC (YOLOv5n6: 0.700,YOLOv8n: 0.706,YOLOv10n: 0.703) 实现了精确的定位. 这种定位可以通过测试和测试.
- 对于CTM的定位精度较低 (YOLOv5n6:0.364,YOLOv8n:0.363,YOLOv10n:0.354). 对于CTM的定位精度则较低 (YOLOv5n6:0.364,YOLOv8n:0.363,YOLOv10n:0.354). 对于CTM的定位精度则较低 (YOLOv5n6:0.364,YOLOv8n:0.363,YOLOv10n:0.354). YOLOv8n和YOLOv10n实现了实时性能 (分别为13.83和14.13fps).
结论:
- 基于YOLO的机器学习模型在检测和定位甲状腺切除关键解剖结构方面表现出高精度.
- 在无线手持超声波系统上,YOLOv8n和YOLOv10n在临床上具有可接受的实时性能.
- 需要进一步的临床研究来证实这些技术发现的转化为改善患者的结果.


