支持人工智能的电阻断层扫描 (EIT) 系统用于检测和量化与代谢相关的脂肪性肝病

科学领域:

• 医疗成像医学成像
• 医疗保健中的人工智能
• 肝病学 肝病学是一种肝病学.

背景情况:

• 代谢相关脂肪性肝病 (MASLD) 影响全球3.76亿人,可能发展为肝癌等不可逆转的疾病.
• 目前的查方法缺乏社区层面检测所需的高吞吐量和可移植性.
• 早期发现和监测MASLD对于预防严重后果至关重要.

研究的目的:

• 开发和验证一个新的系统,用于社区层面的MASLD查.
• 评估多谱电阻断层扫描 (EIT) 与深度学习相结合的性能,以预测可控衰减参数 (CAP).
• 为MASLD查提供一个具有成本效益,非侵入性和便携性的替代方案.

主要方法:

• 利用多谱电阻断层扫描 (EIT) 频率差重建和人类测量措施.
• 采用深度学习模型,特别是Resnet-18,用于预测控制衰减参数 (CAP).
• 验证了系统与振动控制的暂时弹性图 (VCTE) 进行CAP测量.

主要成果:

• 在预测的CAP和VCTE测量的CAP之间取得了强烈的相关性 (R2 = 0.740).
• 具有91.7%的灵敏度和88.1%的特异性,证明了高诊断准确度.
• 在0.95的曲线下获得了接收器操作特征面积,用于对MASLD患者进行分类.

结论:

• 支持人工智能的多谱EIT系统为MASLD提供了准确的CAP预测.
• 这种便携式,非侵入性和具有成本效益的方法可促进社区层面的查和监测.
• 允许早期干预和管理MASLD,改善患者的治疗结果.