使用二维跨阴道超声成像语义特征为基础的机器学习来预测子宫腔受孕环境:一个病例对照研究
Jinwei Zhang1, Shuang Liu1, Yue Rong1
1Department of Ultrasound, Chongqing Research Center for Prevention & Control of Maternal and Child Diseases and Public Health, Women and Children's Hospital of Chongqing Medical University, No. 120 Longshan Road, Yubei District, Chongqing, 401147, China.
BMC pregnancy and childbirth
|November 14, 2025
概括
机器学习模型使用超声波图像功能准确地选怀孕准备. 这种对子宫腔受孕环境 (UCCE) 的分析有助于预测怀孕结果.
科学领域:
- 生殖医学 生殖医学
- 医学成像分析 医学成像分析
- 医疗保健中的机器学习
背景情况:
- 研究子宫腔受孕环境 (UCCE) 以及它对怀孕结果的影响是复杂的.
- 两维的经阴道超声波 (TVUS) 图像为UCCE的表征提供了丰富的语义特征.
研究的目的:
- 应用机器学习算法来分析UCCE的TVUS衍生的语义特征.
- 评估这些模型的预测性能,用于设计准备.
主要方法:
- 一项涉及442名参与者的病例控制研究 (不孕症病例和对照).
- 从TVUS图像和报告中提取的特征使用后勤回归,Boruta算法,LASSO以及RF,XGBoost,SVM和LightGBM等模型进行了分析.
- 沙普利的附加解释和名图被用于模型解释和可视化.
主要成果:
- 关键的语义特征包括子宫内膜厚度,回声性,息肉和子宫形态.
- 在测试组中,XGBoost获得了最高的AUC (0.982).
- 模型显示出出色的预测准确性和临床实用性,正常和异常UCCE组之间的nomoscores有显著差异.
结论:
- 机器学习模型有效地利用TVUS语义特征,用于初步选概念准备.
- 这些模型可以帮助评估自然受孕或胚胎植入之前的UCCE.
更多相关视频
07:44Non-Invasive Ultrasound Assessment of Endometrial Cancer Progression in Pax8-Directed Deletion of the Tumor Suppressors Arid1a and Pten in Mice
Published on: February 17, 2023
2.0K
10:21A Coregistered Ultrasound and Photoacoustic Imaging Protocol for the Transvaginal Imaging of Ovarian Lesions
Published on: March 3, 2023
2.2K
