一个半自动化质量保证工具心血管磁共振成像:应用到异常值检测,人工智能评估和实习生反

科学领域:

• 心血管磁共振 (CMR) 影像分析分析
• 医疗成像质量保证 (QA) 医学成像质量保证 (QA)
• 医疗保健中的人工智能 (AI)

背景情况:

• 心血管磁共振 (CMR) 为心脏功能,结构和组织特征提供了先进的成像.
• 质量保证 (QA) 在CMR中对于可重复性,人工智能方法验证和学员评估至关重要.
• 在CMR中,定性图像差异与定量参数变化之间的联系需要进一步调查.

研究的目的:

• 为了证明半自动化QA工具Lazy Luna (LL) 的适用性,用于常见的CMRQA任务.
• 展示LL能够追踪CMR数量差异和异常值的定性原因的能力.
• 评估LL在异常发现,AI绩效评估和训练员反方面的有效性.

主要方法:

• 在LL中开发了一个错误追踪功能,以确定定量差异的定性原因.
• 在各种CMR图像类型的观察者间和观察者内部分析中应用LL来检测异常值.
• 利用LL将AI方法与CMR专家对144名患者进行比较,评估体积和质量参数的偏差.
• 雇佣LL向CMR实习生提供反,通过将他们的细分与专家的细分进行比较.

主要成果:

• LL发现了细分差异,导致多个CMR序列中的参数变化.
• 人工智能评估揭示了左心室和右心室参数的特定偏差,基底切片失败被认为是不可接受偏差的原因.
• 实习生评估显示参数超过了容忍范围,通过细分精细化有改善的潜力.

结论:

• 惰的月亮是一个多功能,半自动化QA工具,有效用于CMR中的各种质量保证应用程序.
• 简单的LL方便识别影响定量CMR指标的定性问题.
• 该工具支持在CMR中AI评估和实习生绩效评估的关键质量保证任务.