相关实验视频
Updated: Mar 2, 2026
08:06
Mixed Reality Assisted Radical Endoscopic Thyroidectomy
Published on: January 31, 2025
797
增强现实人工智能工具的可行性,用于实时评估甲状腺细针吸收充分性
Paul M Gibbs1, Dat Xuan Nguyen2, Gladys M Vargas3
1Scripps Memorial Hospital, La Jolla, CA, USA. gibbs.paul@scrippshealth.org.
Cardiovascular and interventional radiology
|March 1, 2026
概括
这项研究表明,人工智能工具可以实时评估甲状腺细针吸收 (FNA) 样本的充分性. 这种人工智能应用程序有助于远程细胞学支持,提高诊断准确度,而不需要现场病理学家.
科学领域:
- 计算病理学计算病理学
- 医学中的人工智能
- 细胞病理学 细胞病理学
背景情况:
- 甲状腺的超声导向细针吸收 (FNA) 需要精确的样本充分性评估.
- 实时评估对于立即反和必要时重复采样至关重要.
- 偏远地区对病理学家的有限访问对及时的FNA评估构成了挑战.
研究的目的:
- 评估AI应用实时甲状腺FNA样本充足性的可行性.
- 为了开发,利用小型,本地数据集和开源AI工具.
- 为了使FNA程序能够获得远细胞学支持.
主要方法:
- 在1244张甲状腺FNA图像上训练了一个YOLOv5卷积神经网络 (CNN).
- 该CNN模型被集成到一个增强现实 (AR) 显微镜显示应用程序中.
- 人类观察员在100名失明患者样本上测试了AR工具.
主要成果:
- 在静态图像测试中,CNN取得了高性能指标 (AUROC高达0.983),智能手机摄像头图像产生了卓越的结果.
- 在模拟工作流中,AR AI工具帮助用户实现96%的FNA充足性参考标准一致性.
- 人工智能工具使用专用显微镜和智能手机摄像头展示了强大的性能.
结论:
- 由CNN驱动的AR显微镜工具可用于实时甲状腺FNA充分性评估.
- 这种人工智能驱动的工具可以促进远程细胞学,支持缺乏现场病理学服务的设施.
- 这一发展突出了开源人工智能和小型数据集在临床应用中的潜力.
