深度学习(DL)涉及到使用计算机算法的集成多个层的输入和一致的效率比人类视觉识别。协议为基础的诊断成像,如摄影、计算机断层扫描(CT)或磁共振成像(MRI),是最有前途的临床应用DL。机器学习算法的属性(特征)提取的公正,结果来自所有图像像素。与摄影、CT和MRI,先前的研究在计算机辅助超声诊断基本上没有因为在诊断超声图像采集是个性化的由人类操作员。当超声图像质量标准化标准建立了一个完善的协议,张先生和他的同事在这项研究中,1变得可行实现卓越的结果估计人类与机器学习与分析。如果这一发现是可再生的、集成的DL例行颈背的半透明(NT)超声检查有助于产前筛查称21三体综合症。重要的是要注意,只有一半的存档照片经常被认证的运营商在数据集评估Zhang et al1通过标准化标准。因此,逻辑需要定期的外部审计未来发展的前瞻性收集的训练数据集质量保证(QA)的超声图像。2019年国际多中心前瞻性的试验表明,一个系统的审计系统允许单个运营商及时反馈,这是至关重要的在所有水平的产前扫描服务。2现代超声机器配有DL可用于实时QA收购NT图像归档前图像的后续离线分析。3
此外,人类专家监督仍然是必不可少的计算机辅助诊断图像的使用,特别是减少明显的敏感性和从识别微小畸变的DL假阳性。必须要有监管措施防止映像的DL泛滥也结合了孕产妇的基本算法特点和血清生化标记胎儿称21三体综合症的危险分层。4Overdetection可能导致不必要的产前诊断程序,可underdetection一样有害。附加的功能属性和图像数据机不断升级的培训将使算法建模和改进DL诊断的准确性。由于每一个像素在图像被认为是均匀DL,可以包括一个胎儿的鼻骨属性,这是容易发现在同一NT形象,改善预测称21三体综合症。4除了静态图像,三维超声体积数据集和全身常规胎儿超声波扫描视频也与DL,因为机器可以识别的多层数据(包括压和元数据)改善预测。3,5
尽管许多初始DL研究已经宣布在基于图像的诊断精度得到了明显的改善人类专家的性能,系统的最近的一份研究报告强调,这并非总是如此在现实生活中的实践。6尽管这项研究由张先生和他的同事们1可能不会显示机器接管在不久的将来,超声波检验师开始了解机器学习是谁更有可能在破坏性技术过渡。
发表:2022年6月21日。doi:10.1001 / jamanetworkopen.2022.17869
开放:这是一个开放的分布式根据文章CC-BY许可证。©2022 Wataganara T。狗万体育下载地址《美国医学会杂志》网络开放。
通讯作者:Tuangsit Wataganara医学博士,母胎医学部门,妇产科学系医学院,里拉吉医院,Mahidol大学2 Prannok Rd, Bangkoknoi,泰国曼谷10700年(twataganara@yahoo.com)。
利益冲突的披露:没有报道。