面向低资源环境的胎儿超声人工智能系统
机器学习
2022-03-22 v1 人工智能
计算机视觉与模式识别
图像与视频处理
摘要
尽管孕产妇保健取得了长足进步，但中低收入国家的孕产妇和围产期死亡率仍然很高。胎儿超声是产前保健的重要组成部分，但训练有素的医护人员的短缺限制了其应用。我们开发并验证了一个人工智能（AI）系统，该系统利用新手采集的“盲扫”超声视频来估算孕周（GA）和胎位不正。我们进一步解决了低资源环境中可能遇到的障碍。通过使用简化的扫描协议，并结合对扫描质量进行实时AI反馈，我们证明了模型性能可推广至使用低成本超声设备且经过最低限度培训的新手超声操作员，并实现了设备端AI集成。仅需两次扫描，GA模型的性能就不劣于标准胎儿生物测量估算，并且胎位不正模型在不同操作员和设备间均具有较高的AUC-ROC值。我们的AI模型有潜力帮助提升低资源环境中经过简单培训的超声操作员的能力。
引用
@article{arxiv.2203.10139,
title = {AI system for fetal ultrasound in low-resource settings},
author = {Ryan G. Gomes and Bellington Vwalika and Chace Lee and Angelica Willis and Marcin Sieniek and Joan T. Price and Christina Chen and Margaret P. Kasaro and James A. Taylor and Elizabeth M. Stringer and Scott Mayer McKinney and Ntazana Sindano and George E. Dahl and William Goodnight and Justin Gilmer and Benjamin H. Chi and Charles Lau and Terry Spitz and T Saensuksopa and Kris Liu and Jonny Wong and Rory Pilgrim and Akib Uddin and Greg Corrado and Lily Peng and Katherine Chou and Daniel Tse and Jeffrey S. A. Stringer and Shravya Shetty},
journal= {arXiv preprint arXiv:2203.10139},
year = {2022}
}