基于实时目标检测网络的胎儿颜面部超声切面识别及应用
Fetal facial ultrasound plane recognition based on real-time object detection network and its application
摘要目的:探讨基于实时目标检测网络的人工智能(AI)模型在胎儿颜面部超声检查中的应用价值.方法:以妊娠20~24周正常胎儿颜面部超声标准切面(FFUSP)图像为研究对象,构建基于实时目标检测网络的FFUSP识别模型,观察其对FFUSP及其解剖结构的识别精度;通过临床验证分析其对119例胎儿超声图像中FFUSP识别效能以评价其临床应用价值.结果:AI模型对胎儿颜面部结构识别的整体查准率为97.8%、查全率为98.5%、mAP@.5为98.1%、mAP@.5:.95为61.0%.在临床验证中,AI模型对颜面部解剖结构识别的敏感度、特异度、阳性预测值、阴性预测值及准确率分别为100.0%、98.5%、87.4%、100.0%、98.7%,与胎儿超声专家分类一致性强(k=0.925,P<0.001);对3类标准切面图像的识别准确率为100%;动态视频检测平均速度为33.93帧/s.结论:基于实时目标检测网络的FFUSP识别模型性能优越,可应用于实时超声检查辅助诊断、教学及智能化质量评价.
更多相关知识
- 浏览0
- 被引2
- 下载0

相似文献
- 中文期刊
- 外文期刊
- 学位论文
- 会议论文


换一批



