著名医師による解説が無料で読めます
すると翻訳の精度が向上します
胎盤は胎児の幸福にとって重要であり、高血圧性妊娠障害の病因に重要な役割を果たしています。さらに、胎盤前の胎盤のタイムリーな診断は命を救うかもしれません。超音波は妊娠中の主要なイメージングモダリティですが、高品質のイメージングは、すべての設定で不可能な機器とスタッフへのアクセスに依存します。畳み込みニューラルネットワークは、胎児の診断のための画像の獲得を標準化するのに役立つ場合があります。私たちの目的は、超音波画像の胎盤の分類とセグメンテーションのための深い学習ベースのモデルを開発することでした。7,500の超音波画像の手動注釈に基づいてモデルをトレーニングし、胎盤を識別してセグメント化しました。モデルのパフォーマンスは、25人の臨床医（専門家、研修生、助産師）が行った注釈と比較されました。全体の画像分類精度は81％でした。ユニオンスコアを超える平均交差点（IOU）は0.78に達しました。モデルの精度は専門家や研修生よりも低かったが、胎盤を描写しているすべての臨床医、Iou = 0.75対0.69、0.66、0.59を上回った。このモデルは、バルセロナからの1段目画像100枚でクロス検証され、76％の精度が得られ、Iou 0.68が得られました。結論として、胎盤の自動分類とセグメンテーションのモデルを開発し、さまざまな患者集団で一貫した性能を発揮しました。胎盤前の胎盤の検出に使用され、胎盤機能障害の将来の深い学習研究を可能にすることができます。
胎盤は胎児の幸福にとって重要であり、高血圧性妊娠障害の病因に重要な役割を果たしています。さらに、胎盤前の胎盤のタイムリーな診断は命を救うかもしれません。超音波は妊娠中の主要なイメージングモダリティですが、高品質のイメージングは、すべての設定で不可能な機器とスタッフへのアクセスに依存します。畳み込みニューラルネットワークは、胎児の診断のための画像の獲得を標準化するのに役立つ場合があります。私たちの目的は、超音波画像の胎盤の分類とセグメンテーションのための深い学習ベースのモデルを開発することでした。7,500の超音波画像の手動注釈に基づいてモデルをトレーニングし、胎盤を識別してセグメント化しました。モデルのパフォーマンスは、25人の臨床医（専門家、研修生、助産師）が行った注釈と比較されました。全体の画像分類精度は81％でした。ユニオンスコアを超える平均交差点（IOU）は0.78に達しました。モデルの精度は専門家や研修生よりも低かったが、胎盤を描写しているすべての臨床医、Iou = 0.75対0.69、0.66、0.59を上回った。このモデルは、バルセロナからの1段目画像100枚でクロス検証され、76％の精度が得られ、Iou 0.68が得られました。結論として、胎盤の自動分類とセグメンテーションのモデルを開発し、さまざまな患者集団で一貫した性能を発揮しました。胎盤前の胎盤の検出に使用され、胎盤機能障害の将来の深い学習研究を可能にすることができます。
The placenta is crucial to fetal well-being and it plays a significant role in the pathogenesis of hypertensive pregnancy disorders. Moreover, a timely diagnosis of placenta previa may save lives. Ultrasound is the primary imaging modality in pregnancy, but high-quality imaging depends on the access to equipment and staff, which is not possible in all settings. Convolutional neural networks may help standardize the acquisition of images for fetal diagnostics. Our aim was to develop a deep learning based model for classification and segmentation of the placenta in ultrasound images. We trained a model based on manual annotations of 7,500 ultrasound images to identify and segment the placenta. The model's performance was compared to annotations made by 25 clinicians (experts, trainees, midwives). The overall image classification accuracy was 81%. The average intersection over union score (IoU) reached 0.78. The model's accuracy was lower than experts' and trainees', but it outperformed all clinicians at delineating the placenta, IoU = 0.75 vs 0.69, 0.66, 0.59. The model was cross validated on 100 2nd trimester images from Barcelona, yielding an accuracy of 76%, IoU 0.68. In conclusion, we developed a model for automatic classification and segmentation of the placenta with consistent performance across different patient populations. It may be used for automated detection of placenta previa and enable future deep learning research in placental dysfunction.
医師のための臨床サポートサービス
ヒポクラ x マイナビのご紹介
無料会員登録していただくと、さらに便利で効率的な検索が可能になります。