使用基于MRI的深度学习模型在新生儿中诊断急性胆红素脑病变

科学领域:

• 医疗成像医学成像
• 人工智能在医学中的应用
• 新生儿健康 新生儿健康

背景情况:

• 新生儿急性胆红素脑病变 (ABE) 对婴儿健康构成重大威胁.
• 不特定的ABE早期症状往往导致诊断延迟或错过.
• 准确及时诊断ABE对于有效干预至关重要.

研究的目的:

• 开发一款计算机辅助的综合模型,用于ABE的临床评估和诊断.
• 为了利用深度学习来改进ABE检测.
• 创建一个工具,帮助医生管理ABE.

主要方法:

• 来自ABE和非ABE患者组的诊断数据的回顾性分析.
• 开发和测试使用多式联络,自我监督和多实例学习的深度学习 (DL) 模型.
• 用独立的测试队列对放射科医生进行DL模型的验证.

主要成果:

• 在两个测试队列中,DL模型在诊断ABE方面取得了高准确度 (86.3%和91.1%).
• 曲线下面的面积值显示出强大的诊断性能 (91.2%和89.3%).
• DL模型的性能接近于高级放射科医生的性能.

结论:

• 使用临床和放射学数据的集成DL模型可以准确诊断ABE.
• 开发的模型为临床决策提供了一个方便且具有成本效益的工具.
• 这种方法增强了新生儿急性胆红素脑病变的早期检测和管理.