相关实验视频
Updated: Aug 10, 2026

06:27
Transcutaneous Microcirculatory Imaging in Preterm Neonates
Published on: December 31, 2015
8.5K
宫纹理分析在三月中旬扫描预测自发早产:一个病例对照研究研究
Garde Garde Iratxe1, Aiartzaguena Agirrebeitia Amaia2, Del Campo Real Ana3
1Obstetrics and Gynaecology Department, Hospital Universitario Cruces, Plaza de Cruces S/N, 48903 Barakaldo, Biscay, Spain.
European journal of obstetrics, gynecology, and reproductive biology
|November 5, 2025
概括
使用超声波的宫纹理分析显示,在预测早产风险方面有希望. 这种人工智能驱动的方法优于传统的宫长度测量,用于识别有风险的怀孕.
科学领域:
- 产科和妇科 产科和妇科
- 医疗成像医学成像
- 医疗保健中的人工智能
背景情况:
- 过早分娩仍然是新生儿发病率和死亡率的主要原因.
- 目前用于预测妊娠中期早产风险的方法存在局限性.
研究的目的:
- 为了比较宫纹理分析与超声波宫长度在预测怀孕中期怀孕期间自发早产风险的有效性.
主要方法:
- 一项涉及381名单独怀孕妇女的病例控制研究.
- 用定制软件进行纹理分析,对经阴道超声波图像进行回顾性分析.
- 开发机器学习算法,包括卷积神经网络 (CNN),以提取和分析宫纹理特征.
主要成果:
- 仅仅测量宫长度就有55.91%的准确性来预测早产.
- 使用随机森林分类器进行纹理分析,获得了77%的准确性,70.1%的灵敏度和69.7%的特异性.
- 基于CNN的特征产生了75%的准确性,70.6%的灵敏度和73.2%的特异性.
结论:
- 从三月中旬的超声波图像中进行的宫纹理分析是识别孕妇自发早产风险的有希望的工具.
- 这种人工智能驱动的方法与传统的超声波宫长度测量相比,提供了更好的预测性能.

