基于BUS和CDFI超声视频的淋巴腺病诊断的多式特征解模型:一个回顾性,前性,多中心研究
Ran Cao1, Yangyang Zhu2,3,4, Haina Zhao5
1College of Biomedical Engineering, Fudan University, Shanghai, China.
European radiology
|March 14, 2026
概括
一个新的AI模型使用多式超声波视频来高准确地诊断淋巴腺病 (LA). 这种深度学习工具帮助医生,提高诊断性能,帮助早期发现和管理LA.
科学领域:
- 医疗成像医学成像
- 人工智能的人工智能
- 在瘤学瘤学.
背景情况:
- 淋巴腺病 (LA) 诊断依赖于成像,但准确性可能有所不同.
- 多模式超声波,结合B模式超声波 (BUS) 和彩色多普勒流成像 (CDFI),提供全面的评估.
- 深度学习模型在医学图像分析方面表现有前途.
研究的目的:
- 开发和验证一种深度学习模型,用于使用多式超声波视频诊断淋巴腺病 (LA).
- 评估模型的诊断性能和临床实用性.
- 评估模型对放射科医生的表现的影响.
主要方法:
- 一项回顾性和前性研究包括中国6个中心的7371名患者.
- 来自BUS和CDFI视频的147,420个关键被用于培训和验证.
- 综合了患者的临床信息,并使用AUC,ACC,SEN,SPE和PRE来评估模型性能.
主要成果:
- 该模型在内部 (0.956),回顾性外部 (0.928) 和前性外部 (0.912) 验证队列中实现了高AUC.
- 辅助诊断显著改善了初级放射科医生的AUC,无论是在回顾性 (0.739到0.891) 和前性 (0.767到0.899) 外部队列中.
- 人工智能模型证明了跨多中心数据集的稳定性.
结论:
- 基于多式视频的深度学习模型有效地提高了LA的诊断准确性.
- 该模型显示了作为临床决策的非侵入性,高效工具的潜力.
- 这种人工智能工具可以帮助早期检测和精确管理LA,减少操作员的依赖.
