人工智能在胎儿超声图像中诊断出生缺陷的应用

在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，作为快速准确读取超声图像的辅助工具。

　　

该团队研究的目标是证明深度学习架构的潜力，以支持早期妊娠超声扫描对囊性水瘤的早期和可靠识别。囊性水瘤是一种导致淋巴血管系统发育异常的胚胎状态。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的液体肿胀。

出生缺陷通常可以很容易地在产前通过超声波诊断出来，但渥太华医院OMNI研究小组(产科、孕产妇和新生儿调查)的联合创始人沃克博士和他的研究小组希望测试人工智能驱动的模式识别在多大程度上可以完成这项工作。

沃克博士说:“我们在超声领域证明，我们能够使用同样的工具，以高灵敏度和特异性进行图像分类和识别。”他相信，他们的方法可能适用于其他通常通过超声检查识别的胎儿异常。

Journal Reference:

1. Mark C. Walker, Inbal Willner, Olivier X. Miguel, Malia S. Q. Murphy, Darine El-Chaâr, Felipe Moretti, Alysha L. J. Dingwall Harvey, Ruth Rennicks White, Katherine A. Muldoon, André M. Carrington, Steven Hawken, Richard I. Aviv. Using deep-learning in fetal ultrasound analysis for diagnosis of cystic hygroma in the first trimester. PLOS ONE, 2022; 17 (6): e0269323 DOI: 10.1371/journal.pone.0269323