一个人工智能驱动的框架的临床应用,用于精确的子宫内膜厚度测量通过阴道超声波

科学领域:

• 医疗成像医学成像
• 人工智能的人工智能
• 妇科 妇科 妇科 妇科

背景情况:

• 精确的子宫内膜厚度 (ET) 测量在经阴道超声波 (TVUS) 中对于妇科评估至关重要.
• 手动ET测量可能是主观和耗时的,根据超声波仪器的经验而有所不同.

研究的目的:

• 开发和验证基于人工智能的框架,用于自动化ET测量.
• 评估AI框架在各种临床指标上与人类超声波仪的性能.

主要方法:

• 用于培训和内部验证,使用了9850张TVUS图像的大数据集.
• 外部验证包括356张前性收集的图像.
• 该框架包含子宫和子宫内膜细分模型与ET测量循环搜索算法.

主要成果:

• 内部验证显示平均绝对误差 (MAE) 为1.05毫米.
• 外部验证表明MAE的0.89毫米 (AI-D1) 和1.01毫米 (AI-D2).
• 人工智能在±2毫米的误差范围内实现了90.18%的测量,并且比不那么有经验的超声波仪快30倍.

结论:

• 人工智能框架为自动ET测量提供了高精度,效率和临床可接受性.
• 性能可与经验丰富的超声波仪相提并论.
• 源代码是公开的,以促进进一步的研究和临床翻译.