模块化eFAST组织幻影用于基于AI的超声波分类

科学领域:

• 医疗成像医学成像
• 人工智能的人工智能
• 生物医学工程 生物医学工程

背景情况:

• 超声波 (美国) 影像在紧急医疗和战场分拣中至关重要,因为它的便携性.
• 解释和获取美国图像需要专门的培训,这对广泛使用构成了障碍.
• 人工智能 (AI) 集成可以提高美国的成像解释和诊断准确性.

研究的目的:

• 开发一个模仿整个干组织的幻影,用于模拟扩展焦点评估与创伤超声波 (eFAST) 检查.
• 创建一个平台,为美国成像开发人工智能指导和分类模型.
• 用模拟的美国数据来提高AI模型在检测解剖特征和诊断损伤状态方面的性能.

主要方法:

• 一个模仿全干组织的幻影被设计成模拟eFAST扫描站点和胸部运动.
• 幻影被用来捕捉美国的图像,然后用来训练人工智能模型.
• 人工智能模型是基于幻影获得的图像开发的,用于解剖特征检测和损伤状态诊断.

主要成果:

• 幻影成功模拟了所有eFAST扫描站点的胸部运动和模块损伤.
• 在虚拟数据上训练的人工智能模型取得了超过0.80.8的交叉与欧盟 (IOU) 分数.
• 人工智能模型在盲目的推理测试中在诊断受伤状态方面表现出71.5%的准确性.

结论:

• 开发的模仿组织的幻影是用于人工智能模型训练生成eFAST图像的可靠工具.
• 幻影可以用于培训医务人员使用美国的检查技术.
• 这项技术支持美国自动化图像采集技术的发展.