深度学习用于快速选和定位脊柱长期动脉静脉,以增强临床工作流程
Fei Zheng1, Xuyang Cao1,2, Jianmin Xu2
1Department of Radiology, Peking University People's Hospital, Beijing, China.
NPJ digital medicine
|February 27, 2026
概括
一个人工智能系统 (SDAVFdoc) 通过使用3D CNNs自动检测和定位脊柱硬性动脉静脉 (SDAVF). 这大大减少了处理时间和点击次数,简化了临床工作流程,以实现更快,更准确的SDAVF查.
科学领域:
- 医疗成像医学成像
- 人工智能的人工智能
- 神经外科 神经外科
背景情况:
- 为检测SDAVF而手动处理脊柱CTA是耗时的,容易出现人为错误.
- 需要有效和准确的自动化方法来诊断SDAVF.
研究的目的:
- 开发和验证一个自动化AI系统 (SDAVFdoc) 用于使用CTA图像识别和定位脊柱硬脉动脉 (SDAVF).
- 与手动处理相比,评估系统的准确性,效率和对临床工作流程的影响.
主要方法:
- 开发一个集成3D卷积神经网络与解剖学先验的人工智能系统.
- 脊柱结构的顺序细分,管区域的定位,并使用DenseNet.Net对SDAVF概率的分类.
- 多中心研究涉及718名患者,在测试组中进行验证.
主要成果:
- 排水静脉集群细分模型实现了高F1得分 (0.932-0.960).
- 基于DenseNet的鱼检测模型显示AUC高 (0.928-0.954).
- 处理时间从40.75±11.57分钟减少到1.05±0.29分钟 (P<0.001),点击时间从761.80±202.05减少到9.68±2.12 (P<0.001).
结论:
- 由人工智能驱动的SDAVFdoc系统能够快速准确地选和定位SDAVF.
- 该系统显著简化了临床工作流程,减少了手工劳动和提高了效率.
- 这种自动化方法有望改善SDAVF的诊断和管理.
