在由 uOttawa 醫(yī)學(xué)院的 Mark Walker 博士領(lǐng)導(dǎo)的一項(xiàng)新的概念驗(yàn)證研究中,研究人員正在率先使用基于 AI 的獨(dú)特深度學(xué)習(xí)模型作為快速準(zhǔn)確讀取超聲圖像的輔助工具。
這是一項(xiàng)開創(chuàng)性的工作,因?yàn)楸M管深度學(xué)習(xí)模型在解釋醫(yī)學(xué)圖像和檢測(cè)疾病方面變得越來越流行,但弄清楚其如何在產(chǎn)科超聲檢查中發(fā)揮作用仍處于起步階段。在該領(lǐng)域發(fā)表的人工智能研究很少。
該團(tuán)隊(duì)研究的目標(biāo)是展示深度學(xué)習(xí)架構(gòu)的潛力,以支持從妊娠早期超聲掃描中早期和可靠地識(shí)別囊性水瘤。囊性水瘤是一種胚胎疾病,會(huì)導(dǎo)致淋巴血管系統(tǒng)異常發(fā)育。這是一種罕見且可能危及生命的疾病,會(huì)導(dǎo)致頭部和頸部周圍出現(xiàn)液體腫脹。
出生缺陷通??梢栽诋a(chǎn)前超聲檢查中很容易地診斷出來,但沃克博士和他的研究小組想要測(cè)試人工智能驅(qū)動(dòng)的模式識(shí)別能在多大程度上完成這項(xiàng)工作。研究結(jié)果很有希望。
使用在渥太華醫(yī)院追溯收集的近 300 個(gè)胎兒超聲數(shù)據(jù)集,使用 DenseNet 模型分析圖像,通過計(jì)算靈敏度、特異性和其他測(cè)量值,與正常對(duì)照組相比,正確識(shí)別囊性水瘤病例。還生成了梯度類激活熱圖——可視化圖像中的像素——以評(píng)估模型的可解釋性。整體模型準(zhǔn)確率為 93%。
“即使只有少量訓(xùn)練圖像,該模型也非常出色。因此,潛在地,我們展示的是在超聲領(lǐng)域,我們能夠使用相同的工具進(jìn)行圖像分類和識(shí)別,具有高靈敏度和特異性, ”沃克博士說。
該研究結(jié)果最近發(fā)表在同行評(píng)審的開放獲取期刊PLOS ONE上。
由 uOttawa 領(lǐng)導(dǎo)的研究小組對(duì)這類研究的發(fā)展方向寄予厚望。隨著進(jìn)一步的發(fā)展,包括在大型多站點(diǎn)數(shù)據(jù)集中進(jìn)行測(cè)試,該團(tuán)隊(duì)相信他們的方法可能適用于通常通過超聲檢查識(shí)別的其他胎兒異常。
沃克博士表示,該小組的目標(biāo)是建立一個(gè)國(guó)際聯(lián)盟,將產(chǎn)科超聲圖像上傳到“云”——這是使用遠(yuǎn)程服務(wù)器存儲(chǔ)數(shù)據(jù)并為大量用戶提供計(jì)算服務(wù)的委婉說法。這最終可以幫助中低收入國(guó)家的醫(yī)生實(shí)現(xiàn)云驅(qū)動(dòng)的解釋和診斷。
標(biāo)簽:
免責(zé)聲明:本文由用戶上傳,與本網(wǎng)站立場(chǎng)無關(guān)。財(cái)經(jīng)信息僅供讀者參考,并不構(gòu)成投資建議。投資者據(jù)此操作,風(fēng)險(xiǎn)自擔(dān)。 如有侵權(quán)請(qǐng)聯(lián)系刪除!