目的 超聲是中國(guó)女性乳腺檢查的常用方法,提升超聲醫(yī)生臨床診斷效率對(duì)乳腺篩查的全 面普及意義重大。 盡管醫(yī)生目前有自己的模板生成超聲報(bào)告,但從模板到最終形成報(bào)告,還有很多繁瑣 工作需要醫(yī)生完成。 本文嘗試通過(guò)人工智能( artificial intelligence,AI)技術(shù),輔助醫(yī)生完成部分繁瑣工 作,提高醫(yī)生完成乳腺超聲報(bào)告的效率。 方法 首先基于乳腺影像報(bào)告和數(shù)據(jù)系統(tǒng)的詞匯索引以及醫(yī)生 臨床經(jīng)驗(yàn),歸納出結(jié)構(gòu)化特征描述語(yǔ)句;然后基于卷積神經(jīng)網(wǎng)絡(luò)( convolutional neural networks,CNN) + Transformer 模型獲取患者的良惡性分類信息,基于 Unet 和冒泡排序模型自動(dòng)標(biāo)記、測(cè)量病灶最大徑和 計(jì)算縱橫比;最后 AI 綜合上述信息生成初步診斷報(bào)告,用以輔助醫(yī)生生成最終報(bào)告。 結(jié)果 AI 報(bào)告特征 描述語(yǔ)句準(zhǔn)確率達(dá) 81?? 52%,病灶最大徑相對(duì)誤差為 10?? 8%,縱橫比準(zhǔn)確率達(dá)到 100%,提升醫(yī)生撰寫報(bào) 告效率達(dá)到 68?? 31%。 結(jié)論 該模型在保證準(zhǔn)確率的情況下,能夠有效減少醫(yī)生撰寫報(bào)告時(shí)間,為優(yōu)化乳 腺超聲檢查流程提供了技術(shù)基礎(chǔ)
|