简介:摘要目的探讨胎儿心脏超声智能导航技术(5D Heart)诊断胎儿先天性心脏病(CHD)的敏感性及特异性,比较时间-空间相关成像(STIC)技术电影回放模式(STICloop)与5D Heart诊断胎儿CHD的敏感性及特异性的差异。方法前瞻性收集2018年4月至2019年5月在浙江大学医学院附属邵逸夫医院超声科行胎儿心脏超声检查的250例单胎妊娠胎儿。完成二维超声诊断后获取胎儿心脏的STIC容积数据,初步判断容积数据合格后隐去所有诊断信息,并将优质的250个STIC数据随机发送给医师A使用5D Heart与STICloop诊断分析。随后分别计算应用5D Heart、STICloop产前诊断CHD的敏感性、特异性、阳性似然比、阴性似然比、ROC曲线下面积(AUC)以及诊断符合率,并统计分析两种方法诊断CHD的敏感性、特异性、AUC及诊断符合率的差异。结果5D Heart诊断胎儿CHD的敏感性、特异性、阳性似然比、阴性似然比、AUC依次为95.45%(105/110)、94.29%(132/140)、16.72、0.05、0.95,诊断符合率77.27%。STICloop诊断胎儿CHD的敏感性、特异性、阳性似然比、阴性似然比、AUC依次为90.91%(100/110)、92.86%(130/140)、12.73、0.10、0.92,诊断符合率61.81%。5D Heart的诊断符合率高于STICloop(P=0.013),但两者诊断CHD的敏感性、特异性、AUC差异无统计学意义(均P>0.05)。结论5D Heart诊断CHD的敏感性与特异性均高于90%,且能成功检查出各种常见的严重胎儿CHD,具有较高的临床应用价值。STICloop诊断CHD的敏感性和特异性与5D Heart相当,发现异常时可直接建议诊断中心进一步检查,无需再提取诊断切面。
简介:摘要目的介绍一种基于住院患者心电图及临床特征开发的机器学习模型,用于诊断反射性晕厥。方法入选2018年6月20日至2022年5月11日于天津医科大学第二医院心脏科住院治疗的晕厥患者,经过临床评估和调查研究获得相关基线资料。确定了晕厥患者的15个特征,并进行特征排序。采用不同的机器学习方法构建反射性晕厥的诊断模型,如Logistic回归分析、感知机、支持向量机、决策树、随机森林和K最近邻算法等方法。结果最终入选410例患者,首次晕厥事件的年龄(64.5±14.6)岁,其中男236例(236/410,57.6%),65例患者确诊为反射性晕厥。纳入特征重要性排序结果位于前4位的特征构建模型,随机森林模型诊断反射性晕厥的性能最佳,曲线下面积为0.644,精确率(Precision)、召回率(Recall)和F1得分(F1 score)分别为0.794、0.849和0.791。结论人工智能算法能够识别反射性晕厥,可作为一种经济有效的筛查工具。
简介:摘要目的研究早期胃癌诊断中智能染色内镜的作用。方法选取86例我院内镜室进行普通胃镜检查疑似早期胃癌患者,分别采用电子放大镜、FICE染色放大内镜、靛胭脂染色放大镜进行检查,以组织病理检查作为金标准,对比三种镜检的敏感性、特异性和符合率情况。结果组织病理学检查有22例确诊为早期胃癌,FICE染色放大内镜的敏感度、特异性、符合率分别为95.45%、98.44%、97.67%,明显高于电子放大镜的59.09%、84.38%、77.91%,差异均有统计学以(p<0.05),略高于靛胭脂染色放大镜的81.82%、95.31%、91.86%,但是差异不显著(p>0.05)。结论早期胃癌诊断中,智能染色内镜具有很高的敏感性和特异性,而且能够提供清晰的血管图像。
简介:摘要目的系统评价基于深度学习的智能辅助内镜诊断系统(intelligence-assisted endoscopic diagnosis system based on deep learning,DL-IEDS)对上消化道早癌的诊断价值。方法系统检索Pubmed、Embase、Web of Science、Cochrane Library、Sinomed、CNKI、维普及万方等中英文数据库中有关运用DL-IEDS诊断上消化道早癌的诊断性试验。纳入的研究按诊断准确性研究质量评价工具-2进行文献质量评价,并采用Rev Man 5.3、Meta-Disc 1.4和Stata 15.1统计软件综合对数据进行Meta分析。结果最终纳入8篇文献,共9 675张图片,其中早癌图片2 748张。Meta分析结果显示:DL-IEDS诊断上消化道早癌的合并灵敏度、特异度、阳性似然比、阴性似然比及综合诊断比值比分别为0.920、0.874、6.824、0.103及71.109,综合受试者工作特征曲线的曲线下面积(area under the curve,AUC)为0.958 7;其中5篇文献报道了DL-IEDS诊断早期胃癌的结果,数据合并分析后结果显示,DL-IEDS的合并敏感度和特异度分别为0.840和0.845,AUC为0.919;4篇文献报道了内镜专家及内镜经验不足者诊断上消化道早癌的结果,前者合并敏感度、特异度及AUC分别为0.693、0.892及0.892 3,后者分别为0.586、0.860及0.754 5。对DL-IEDS、内镜专家及内镜经验不足者诊断上消化道早癌的AUC进行比较发现,DL-IEDS与内镜专家间差异无统计学意义(Z=1.510,P=0.131),DL-IEDS与经验不足者间差异有统计学意义(Z=6.841,P<0.001)。结论DL-IEDS对上消化道早癌具有较高的诊断准确性,能够明显提高内镜经验不足者对上消化道早癌的诊断能力。
简介:摘要目的构建面部白癜风人工智能诊断模型,实现面部白癜风的人工智能辅助诊断。方法利用白癜风皮损单反相机图像和YOLO(You Only Look Once)v3算法建立皮损目标检测模型Vit3,比较Vit3模型的检测结果与皮肤科医生的标注结果,评价Vit3模型的性能。在Vit3模型的基础上,利用面部皮肤人工智能图像采集器拍摄的白癜风及非白癜风皮损的普通光学和紫外光图像,采用图像处理技术测量紫外光图像上皮损区域的灰度值,通过白癜风/非白癜风皮损灰度值阈值鉴别白癜风和非白癜风,建立面部白癜风诊断模型Vit4,通过Cochran′s Q检验比较Vit4模型与皮肤科医生的诊断结果,评价Vit4模型的诊断性能。结果对于100张白癜风皮损(167处)和100张正常皮肤的单反相机图像,Vit3模型的诊断敏感性为92.81%(155/167)。对于97组(包括50组白癜风、30组白色糠疹、7组无色素痣、10组正常皮肤)面部皮肤图像,Vit4模型的诊断准确率为88.66%(86/97),敏感性为88.00%(44/50),特异性为89.36%(42/47),与皮肤科医生的诊断准确率92.78%(90/97)差异无统计学意义(χ2=2.323,P > 0.05)。结论建立了面部白癜风人工智能诊断模型Vit4,该模型显示出较好的诊断性能,提供了一种较为客观、便捷的面部白癜风辅助诊断方法。
简介:摘要目的探讨基于深度学习构建胆道闭锁(biliary atresia,BA)超声人工智能(artificial intelligence,AI)诊断模型的可行性。方法前瞻性收集2018年9月至2020年10月湖南省儿童医院诊治的177例BA患儿(BA组)共计531张胆囊超声初始影像及195例非BA患儿(非BA组)共计585张胆囊超声初始影像,各组按2∶1分为训练集与测试集。使用训练集训练深度神经网络模型Mask R-CNN后,采用测试集分别以患儿和图像为单位对该模型进行测试,评价模型对胆囊的检测率及诊断准确率。另将测试集图像分别以患儿、图像为单位进行随机编号,分别邀请4名超声医师进行图片判读,计算诊断准确率。对模型诊断准确率与超声医师诊断准确率进行比较。结果在胆囊器官的自动检测方面:模型在BA组与非BA组的检测率均达到100%,但在总计372张测试集图像中有17张出现虚警,虚警率4.57%(17/372)。在诊断方面:以患儿为单位时,模型在测试集中总的诊断准确率为95.97%,高于外院超声医师及本院中级职称超声医师(均P<0.005),略高于本院高级职称超声医师(91.94%),但差异无统计学意义(P=0.183)。以图片为单位时,模型在测试集中总的诊断准确率为97.04%,均高于外院超声医师及本院中级职称超声医师(均P<0.001),略高于本院高级职称超声医师(94.09%),但差异无统计学意义(P=0.05)。结论基于Mask R-CNN的AI模型可较准确地检测胆囊器官,对BA的诊断准确率较高,该模型切实可行,值得进一步研究。