在超声波视频中实时检测甲状腺结节的新型实例细分方法:多中心研究
Weiqi Peng1, Ren Wang2, Junjuan Zhao1
1School of Computer Engineering and Science, Shanghai University, Shanghai, China.
Ultrasound in medicine & biology
|November 18, 2025
概括
这项研究引入了一种新的深度学习模型,用于在超声波视频中对多个甲状腺结节进行细分,显著提高了诊断准确度和检测率. 这种先进的模型增强了对甲状腺结节诊断的临床决策.
科学领域:
- 医疗成像医学成像
- 人工智能的人工智能
- 在瘤学瘤学.
背景情况:
- 甲状腺结节很常见,诊断依赖于超声波,但准确性因医生的专业知识而异.
- 当前的深度学习工具对单个节点进行细分,但临床超声波图像通常包含多个节点.
研究的目的:
- 开发和评估一个深度学习模型,用于准确的甲状腺超声波视频中的多节点实例细分.
- 使用自动化工具提高甲状腺结节诊断的准确性和检测率.
主要方法:
- 提出了一种新的细分模型,包括用于特征提取的可变卷积网络和用于远程视频分析的双向mamba模块.
- 集成了一个Sobel边缘操作员来完善结节边界检测,并引入了一个新的检测速率指标.
主要成果:
- 该模型在多医院验证集上显示了显著的改进.
- 实现了子得分增加15.1%,检测率提高了19.3%,达到89.5%.
结论:
- 针对甲状腺超声视频的拟议的多节点实例细分模型大大提高了细分的准确性和有效性.
- 这一进步在临床环境中为甲状腺结节提供了更好的诊断能力.
