首页 > 中国医疗器械杂志 > 基于深度学习的人工智能模型自动识别颈动脉斑块

基于深度学习的人工智能模型自动识别颈动脉斑块

Deep Learning-Based Artificial Intelligence Model for Automatic Carotid Plaque Identification

二维码有效期 120s

摘要该研究旨在构建一个用于颈动脉斑块超声图像的有无判定的数据集,由1165例受检者的1761张超声图像组成.研究采用了一种融合了双线性卷积神经网络与残差神经网络的深度学习架构,即单输入BCNN-ResNet模型,以辅助临床医生通过颈动脉超声图像进行斑块的诊断.该模型经过训练以及内部和外部验证后,在内部验证中,ROC AUC达到了0.99,其95%置信区间为(0.91,0.84),在外部验证中ROC AUC为0.95,其95%置信区间为(0.96,0.94),此表现优于ResNet-34网络模型在内部验证中0.98 AUC的95%置信区间(0.99,0.95)和外部验证中0.94 AUC的95%置信区间(0.95,0.92).因此,单输入BCNN-ResNet网络模型展示了优异的诊断性能,为颈动脉斑块的自动识别提供了一种创新的解决方案.

作者赫兰 ^[1] 申锷 ^[2] 杨泽堃 ^[3] 张颖 ^[4] 王玉东 ^[3] 陈伟导 ^[3] 王一同 ^[4] 贺永明 ^[5] 学术成果认领

作者单位上海市胸科医院/上海交通大学医学院附属胸科医院超声科,上海市,200030 ^[1] 上海交通大学医学院附属松江医院超声科,上海市,201600 ^[2] 推想医疗科技股份有限公司,北京市,100020 ^[3] 大连大学附属新华医院超声医学科,大连市,116021 ^[4] 苏州大学附属第一医院心内科,苏州市,215006 ^[5]

关键词单输入BCNN-ResNet网络模型颈动脉超声深度学习 single-input BCNN-ResNet network model carotid ultrasound deep learning

分类号 R445.1（诊断学）

栏目名称

AI辅助诊断

DOI 10.12455/j.issn.1671-7104.240009

发布时间 2024-08-21（万方平台首次上网日期，不代表论文的发表时间）

基金项目

上海市徐汇区智慧医疗专项研究项目（XHZH202108）上海市徐汇区人工智能医疗院地合作项目（23XHYD-22）