-
一种基于深度卷积神经网络的有效识别肝脏超声标准切面的AI模型
编辑人员丨2024/1/20
目的:结合人工智能技术与超声影像,建立一个有效的识别模型以辅助识别肝脏超声标准切面(LUSP)图像.方法:采集左肝胃底纵切面、左肝-腹主动脉纵切面、肝-下腔静脉纵切面、肝胆纵切面、肝肾纵切面、第二肝门水平高位横切面、第一肝门水平中位横切面、肝胰水平低位横切面、第二肝门高位斜横切面、胆肾水平低位斜横切面、第一肝门中位斜横切面、第一肝门门脉长轴切面、第6-7肋间斜纵切面等13个LUSP的超声图像共14 971张,其中11 980张用于构建深度卷积神经网络模型(Deep CNN),2 991张用于模型验证.以3名长期从事肝脏超声检查及诊断的专家判断一致的肝脏超声标准切面图像作为模型识别的金标准.同时对本模型与VGG16模型识别LUSP的效能进行比较.结果:(1)Deep CNN模型在识别不同LUSP的准确率为0.892.(2)本模型与VGG16实验性能相近(P＞0.05),但所识别的切面类型更多.结论:Deep CNN模型能有效地分类不同的LUSP图像,对辅助超声医生识别LUSP和进行肝脏超声诊断具有较高价值.
...不再出现此类内容
编辑人员丨2024/1/20
-
基于标准切面的超声评分预测原发性肝癌可切除性
编辑人员丨2023/8/5
目的 基于肝脏标准切面的超声评分,探讨其预测原发性肝癌可切除性的临床价值.方法 回顾性分析了原发性肝癌患者103例,调取其肝脏超声标准切面图像,根据米兰标准及中华外科学会肝脏学组颁布的肝癌手术适应证,明确肿块大小及数量、距第一肝门的距离、距第二肝门的距离、距下腔静脉的距离、有无腹腔淋巴结、肝实质回声改变等为超声评分指标,制定超声评分标准,根据评分标准对所有肿块进行超声评分,并验证其诊断效能.对两名医师的评分结果进行Kappa一致性检验.结果 将评分≥8分者认为可以进行手术治疗,评分＜8分者不能进行手术治疗,灵敏度92.3％、特异度74.0％、阳性预测值54.54％、阴性预测值96.61％、正确指数66.32％.两名医师按照超声评分标准进行评分,一致性较好(Kappa=0.799,P＜0.05).结论 基于超声标准切面的原发性肝癌的超声评分,对预测原发性肝癌患者是否可以手术具有一定的临床指导意义.
...不再出现此类内容
编辑人员丨2023/8/5
