超声视频ASD检测模型

基于多示例学习的深度学习模型，从四个标准超声视图的视频中自动检测房间隔缺损，诊断性能超越临床医生。

Qiming, Huang · Xiaoxiang, Han · 张志芳 · 王艳 · 胡孟晗 · Jinfeng, Wang · Stefanidis, Angelos · Su, Jionglong · 陈建刚 · 李庆利 · 张玉奇

2024

技术优势

诊断准确率超越已有方法和医生

通过多示例学习与视频级聚合，模型在AUC、准确率、敏感度、特异度和F1分数上均优于先前网络和临床医生。

减少医生间诊断差异

采用五折交叉验证和双盲实验，在30例独立样本上得到与医生相当的性能，辅助诊断可提高一致性。

利用多视图互补提高鲁棒性

整合剑突下、心尖、胸骨旁低位和胸骨旁大动脉短轴四个切面，模型能利用互补信息做出决策。

应用场景

• 超声诊断：自动分析心脏超声视频，辅助医生快速识别房间隔缺损。
• 儿童心脏病筛查：用于儿童心脏病筛查，提高ASD早期发现率。
• 医疗AI辅助诊断：作为医疗AI辅助诊断工具，减少漏诊和误诊。