用于检测胎儿口面裂术的人工智能及其在医学教育中的应用
计算机视觉与模式识别
2026-03-09 v1 人工智能
机器学习
摘要
口面裂是最常见的先天面面瘤之一，然而准确的妊娠期检测仍具有挑战性，这主要源于经验丰富的专家稀缺以及该病相对罕见。及时且可靠的诊断对于实现及时的临床干预并减少相关并发症至关重要。本文展示了一种人工智能系统，该系统在 22 家医院、9215 例胎儿、45139 幅超声图像上进行训练，能够以超过 93% 的灵敏度和 95% 的特异度诊断胎儿口面裂，性能与资深放射科医师相当，但显著优于初级放射科医师。作为医学副驾驶使用时，该系统可使初级放射科医师的灵敏度提升超过 6%。除了直接的诊断辅助外，该系统还加速了临床专家技能的发展。一项涉及 24 名放射科医师和培训人员的试点研究表明，该模型能够提高罕见疾病的专科技能发展水平。这种双重目的的方法为在经验丰富的放射科医师稀缺的地区提高诊断准确性和专科培训提供了可扩展解决方案。
引用
@article{arxiv.2603.06522,
title = {Artificial Intelligence for Detecting Fetal Orofacial Clefts and Advancing Medical Education},
author = {Yuanji Zhang and Yuhao Huang and Haoran Dou and Xiliang Zhu and Chen Ling and Zhong Yang and Lianying Liang and Jiuping Li and Siying Liang and Rui Li and Yan Cao and Yuhan Zhang and Jiewei Lai and Yongsong Zhou and Hongyu Zheng and Xinru Gao and Cheng Yu and Liling Shi and Mengqin Yuan and Honglong Li and Xiaoqiong Huang and Chaoyu Chen and Jialin Zhang and Wenxiong Pan and Alejandro F. Frangi and Guangzhi He and Xin Yang and Yi Xiong and Linliang Yin and Xuedong Deng and Dong Ni},
journal= {arXiv preprint arXiv:2603.06522},
year = {2026}
}
备注
28 pages, 10 figures, 11 tables