人工智能驱动的胎儿左心室外流通道分析:诊断价值和应用

科学领域:

• 医疗成像医学成像
• 医疗保健中的人工智能
• 胎儿心脏病学 胎儿心脏病学

背景情况:

• 常规产科查包括胎儿心脏视图,例如左心室外流通道 (LVOT).
• 对这些观点的质量评估对于准确的诊断至关重要,但往往是主观的和耗时的.
• 需要标准化,客观的方法来评估LVOT图像质量.

研究的目的:

• 开发和验证深度学习管道,用于在产科查图像中自动识别LVOT视图.
• 创建一个可解释的评分系统 (0-7) 来审核7个预定义的LVOT图像质量标准.
• 评估自动化系统与人类专家审查的一致性.

主要方法:

• 从低风险怀孕的180个查报告文件的数据集进行了策划 (第二和第三个三个月).
• 一位专家提供了LVOT存在的参考标签和7个质量标准,以及总结分数.
• 一个深度学习算法执行了LVOT检测,标准预测和文件级聚合,使用Cohen κ和ICC评估协议.

主要成果:

• 算法正确识别了所有没有LVOT的病例 (10/180).
• 对于LVOT的存在,发现了相当大的协议 (κ=0.768),对于0-7质量评分,发现了很好的协议 (ICC=0.902).
• 对于LVOT检测和大多数质量标准,实现了高灵敏度和特异性,对于1-5标准的表现显著.

结论:

• 使用深度学习的自动化LVOT识别和质量审计显示了与专家评估的实质性或近乎完美的一致.
• 这项技术有可能在胎儿心脏查中实现可扩展的质量保证.
• 该系统可以促进有针对性的培训,并提高胎儿查报告的一致性.