基于深度学习的超声图像腕管综合征一站式自动诊断系统
图像与视频处理
2024-02-09 v1 计算机视觉与模式识别
摘要
目的：超声检查在诊断腕管综合征（CTS）方面具有独特优势，但识别正中神经（MN）和诊断CTS高度依赖检查者的经验。为缓解这一问题，我们旨在开发一种一站式自动CTS诊断系统（OSA-CTSD），并评估其作为计算机辅助诊断工具的有效性。方法：我们将实时MN分割、精确生物特征测量和可解释的CTS诊断整合到一个统一框架中，称为OSA-CTSD。我们使用简化扫描方案，从90只正常手腕和40只CTS手腕的超声视频中收集了总计32,301张静态图像用于评估。结果：所提出的模型在分割和测量性能上优于对比方法，报告显示HD95得分为7.21像素，ASSD得分为2.64像素，Dice得分为85.78%，IoU得分为76.00%。在读者研究中，该模型在CTS分类方面表现出与经验丰富的医生平均性能相当的水平，同时在分类指标上优于经验不足的放射科医生（例如，准确率高出3.59%，F1得分高出5.85%）。结论：OSA-CTSD展现出有前景的诊断性能，具有实时、自动化和临床可解释性的优势。此类工具的应用不仅能减少对检查者经验的依赖，还有助于推动未来CTS诊断流程的标准化，使患者和放射科医生均受益。
引用
@article{arxiv.2402.05554,
title = {One-Stop Automated Diagnostic System for Carpal Tunnel Syndrome in Ultrasound Images Using Deep Learning},
author = {Jiayu Peng and Jiajun Zeng and Manlin Lai and Ruobing Huang and Dong Ni and Zhenzhou Li},
journal= {arXiv preprint arXiv:2402.05554},
year = {2024}
}
备注
Accepted by Ultrasound in Medicine & Biology