使用人工智能对非目标超声图像和视频进行胎儿妊娠年龄估计
Martin Benson1, Sacha Walton2, Tom Hartley2
1GE HealthCare, Brunel House, Cardiff, CF24 0EB, UK. Martin.Benson@gehealthcare.com.
NPJ digital medicine
|November 20, 2025
概括
一个新的AI模型通过超声波图像准确地估计胎儿妊娠年龄 (GA),优于传统方法. 这种深度学习方法有可能改善全球的产前护理.
科学领域:
- 医疗成像医学成像
- 人工智能的人工智能
- 产科 产科 产科 产科 产科
背景情况:
- 准确估计妊娠年龄 (GA) 对于最佳的产前护理和管理至关重要.
- 传统方法依赖于胎儿生物识别,这可能取决于操作员,并且耗费大量时间.
研究的目的:
- 开发和验证一个深度学习模型,从任何胎儿超声波图像直接估计GA.
- 评估模型的性能与已建立的生物识别技术及其在不同人群中的一致性.
主要方法:
- 通过对来自澳大利亚,印度和英国的78,531例怀孕的200多万张超声波图像进行深度学习模型的训练.
- 在742个胎儿的36762张图像上进行了独立验证.
- 该模型被评估为预测时间和准确性跨不同的三个月和母性特征.
主要成果:
- 人工智能模型的平均绝对误差 (MAE) 为1.7天 (14-18周) 和2.8天 (18-24周),显著超过传统生物识别 (p < 0.001).
- 在所有季度中,预测时间的中位数为24秒,MAE低于3天.
- 在不同的母体体重指数 (BMI) 和地理环境中,表现保持一致.
结论:
- 基于AI的GA估计与黄金标准的胎儿生物识别相匹配或超过.
- 该模型减少了对高技能超声波学家的依赖.
- 这项技术有可能提高全球服务不足地区的产前护理可用性.
