共被期刊论文引用了2次
您的检索式：您选中1篇文献正在查看引证文献汇总
|
|
|
题名
|
作者
|
年代
|
出处
|
被引量
|
| 1 | 基于关键解剖结构检测的人工智能模型识别甲状腺超声标准切面的应用价值显示文摘目的探讨基于关键解剖结构检测的人工智能(AI)模型在甲状腺超声标准切面(TUSP)识别中的应用价值。方法以成人TUSP和非标准切面(N-SP)图像为研究对象,含标准集8978张和实验集1916张;其中标准集分为训练集8178张和验证集800张,分别用于训练和验证AI模型识别TUSP;以超声专家团队识别为标准,比较初级医师、中级医师及AI模型识别实验集TUSP和非标准切面(N-SP)的诊断效能;同时收集AI模型及不同年资医师识别实验集图像累计耗时及平均每张图像耗时,并对其进行比较。结果AI模型识别实验集8个TUSP即甲状腺峡部横切面(TPTI)、甲状腺峡部纵切面(LPTI)、左甲状腺上极横切面(UTPLT)、左甲状腺下极横切面(DTPLT)、右甲状腺上极横切面(UTPRT)、右甲状腺下极横切面(DTPRT)、左甲状腺纵切面(LPLT)及右甲状腺纵切面(LPRT)的准确率为94.7%~99.9%,识别N-SP的准确率为93.8%;AI模型识别8个TUSP和N-SP的曲线下面积(AUC)均大于初级医师,差异均有统计学意义(均P<0.05);AI模型识别LPTI、UTPLT、DTPLT、UTPRT、DTPRT、LPRT的AUC均大于中级医师,差异均有统计学意义(均P<0.05);中级医师识别TPTI、UTPRT、DTPRT、LPLT、LPRT、N-SP的AUC均大于初级医师,差异均有统计学意义(均P<0.05);其余两两比较差异均无统计学意义。AI模型识别实验集TUSP图像累计耗时及平均每张图像耗时均少于不同年资医师人工识别,专家团队识别累计耗时及平均每张图像耗时均少于中级、初级医师,中级医师识别累计耗时及平均每张图像耗时均少于初级医师,差异均有统计学意义(均P<0.05)。结论基于关键解剖结构检测的AI模型识别TUSP具有较高准确性和效率,可作为甲状腺超声图像质量控制和规范化培训的辅助工具。 | 柳舜兰 郭明辉 喻正纲 柳培忠 苏淇琛 何韶铮 吕国荣 | 2023 | 临床超声医学杂志2023，25，5： | 1 |
| 2 | 人工智能技术用于超声筛查婴儿发育性髋关节发育不良显示文摘目的构建人工智能(AI)自动识别髋关节超声标准冠状切面及测量相关参数模型,观察其辅助超声筛查婴儿发育性髋关节发育不良(DDH)的价值。方法回顾性分析2164名婴儿共4328侧髋关节超声视频,由5名超声科主治医师采用SonoKit标注软件以统一标准于每段视频中选取1幅标准、2幅非标准髋关节冠状切面声像图,并于标准冠状切面图中标注关键解剖结构。经2名超声科主任医师审核,共获得11100幅声像图(3665幅标准、7435幅非标准),以其中8100幅为训练集(2665幅标准、5435幅非标准)、3000幅为验证集(1000幅标准、2000幅非标准)。基于训练集数据构建AI模型,自动识别髋关节超声标准冠状切面,并于其中自动测量α角、β角和股骨头覆盖率(FHC);以验证集验证AI模型识别标准切面的效能。另选取110名健康婴儿的220幅髋关节标准冠状切面声像图,分别由超声科医师手动测量、以AI模型自动测量其α角、β角和FHC,分析测量结果的一致性及相关性。结果对于验证集髋关节超声标准冠状切面,AI模型与超声科主任医师识别结果的一致性较好(Cohen’s Kappa=0.925);AI模型自动测量与医师手动测量α角、β角及FHC的一致性均较好,组内相关系数分别为0.814、0.730和0.953,均具有强相关性(r=0.826、0.731、0.967)。结论AI模型能有效自动识别髋关节超声标准冠状切面并自动测量相关参数,可辅助超声筛查婴儿DDH。 | 徐英 于红奎 林小影 赵杨 黄子殷 许晓 杨星怡 | 2023 | 中国医学影像技术2023，39，8： | 1 |
您所在的机构暂未开通此部分的功能，请联系管理员