返回
Predicting abnormal fetal growth using deep learning
DOI:10.1038/s41746-025-01704-0.png)
摘要
En 中文
超声评估胎儿大小和生长是孕期监测胎儿健康状况的主要手段,因为孕周过小(SGA)或孕周过大(LGA)对胎儿和母亲均构成显著风险。本研究旨在提高对异常胎儿生长的预测准确性。我们开发了一种深度学习模型,该模型基于65,752名患者94,538次检查中提取的433,096张超声图像数据进行训练。与当前临床标准Hadlock公式相比,深度学习模型在检测SGA(58% vs 70%)和LGA(41% vs 55%)方面表现显著更优,p < 0.001。此外,与Hadlock公式相比,该模型的估计结果在所有人口统计学和技术变量方面均表现出显著更低的偏差。将皮质结构、肝脏纹理和皮肤厚度等关键解剖学特征纳入模型可能是导致预测准确率提升的原因。
Keyword:
ULTRASOUND
WEIGHT
UNCERTAINTY
MEDICINE
期刊
IF:
15.1
论文数:
3.3K
被引数:
1.5W
机构
引用论文
THE MEANING AND USE OF THE AREA UNDER A RECEIVER OPERATING CHARACTERISTIC (ROC) CURVE受试者工作特征 (ROC) 曲线下面积的含义和用途
RADIOLOGY
IF15.2
Machine learning for accurate estimation of fetal gestational age based on ultrasound images
NPJ DIGITAL MEDICINE
IF15.1
Predictive capacity of fetal pancreatic circumference for gestational diabetes mellitus胎儿胰腺围度对妊娠期糖尿病的预测能力
A METHOD OF COMPARING THE AREAS UNDER RECEIVER OPERATING CHARACTERISTIC CURVES DERIVED FROM THE SAME CASES一种比较相同情况下接收器工作特性曲线下面积的方法
RADIOLOGY
IF15.2

