利用人工智能在胎儿超声图像中诊断出生缺陷
在渥太华大学医学院Mark Walker博士领导的一项新的概念验证研究中，研究人员率先使用了一种独特的基于人工智能的深度学习模型，作为快速、准确阅读超声图像的辅助工具。
这是一项开创性的工作，因为尽管深度学习模型在解读医学图像和检测疾病方面越来越受欢迎，但如何将其应用于产科超声检查还处于初级阶段。在这一领域，很少有人工智能支持的研究发表。
该团队的研究目标是展示深度学习架构的潜力，以支持早期和可靠的诊断囊性水瘤的前三个月超声扫描。囊性水瘤是一种胚胎疾病，导致淋巴管系统发育异常。这是一种罕见的、可能危及生命的疾病，会导致头部和颈部周围液体肿胀。
的出生缺陷通常可以在产前超声预约中很容易地被诊断出来，但沃克博士和他的研究小组想测试人工智能驱动的模式识别我能胜任这份工作。研究结果很有希望。
使用渥太华医院回顾性收集的近300个胎儿超声数据集，使用DenseNet模型分析图像，通过计算敏感性、特异性和其他测量方法，与正常对照相比，正确识别囊性水瘤病例。梯度类激活热图——在图像中可视化像素——也被生成来评估模型的可解释性。整体模型精度为93%。
“这个模型非常出色，即使只有少量的训练图像。所以，潜在的，我们所展示的是在超声波领域我们能够使用相同的工具来进行图像分类和识别高灵敏度和特异性，”沃克博士说。
研究结果最近发表在《公共科学图书馆•综合》这是一本同行评议的开放获取期刊。
渥太华大学领导的研究小组对这类研究的前景寄予厚望。随着进一步的开发，包括在大型多站点数据集中进行测试，该团队相信他们的方法可以应用到其他领域胎儿异常一般通过超声检查来鉴别。
沃克博士说，该组织的目标是建立一个国际联盟来上传产科信息超声波图像到“云”——使用远程服务器存储数据并为大量用户提供计算服务的委婉说法。这最终可以帮助低收入和中等收入国家的医生实现云驱动的解释和诊断。
沃克博士说:“这个特别的项目实际上是大量工作的开始。”“我们还有几篇论文要写。”
Walker博士是一名高危产科医生和临床流行病学家，是渥太华大学医学院的正教授和国际化与全球健康副院长。他是渥太华医院OMNI研究小组(产科、孕产妇和新生儿调查)的联合创始人，这是加拿大最大的孕产妇和新生儿研究小组。
他的合作者包括来自渥太华医学院和渥太华医院研究所(OHRI)的顶级研究人才，Walker博士是该研究所的资深科学家。
