目的探讨人工智能对早孕期胎儿头臀长正中矢状切面超声图像标准程度判断的临床应用价值。方法选取深圳市妇幼保健院2022年1月至12月11~13^(+6)周早孕期胎儿头臀长正中矢状切面超声图像1251张为研究对象,以产前超声专家委员会对图像标准...目的探讨人工智能对早孕期胎儿头臀长正中矢状切面超声图像标准程度判断的临床应用价值。方法选取深圳市妇幼保健院2022年1月至12月11~13^(+6)周早孕期胎儿头臀长正中矢状切面超声图像1251张为研究对象,以产前超声专家委员会对图像标准程度判断的结果作为金标准,对比智能质控模型、高级超声医师、中级超声医师、初级超声医师对图像标准程度判断的符合率,应用McNemar-Bowker检验和Weighted Kappa分析组间结果的差异性与一致性;以每100张图像为1组,记录每组图像的质控耗时,应用两相关样本Wilcoxon符号秩检验比较四者质控耗时的差异。结果智能质控模型对胎儿头臀长正中矢状切面超声图像标准程度判断符合率为90.5%,与金标准结果一致性强(Kappa值=0.83,P<0.001),略低于高级超声医师(91.1%),差异具有统计学意义(χ^(2)=16.40,P<0.001),优于中级超声医师(78.7%)和初级超声医师(68.9%),差异具有统计学意义(χ^(2)=100.25、16.88,P均<0.001)。智能质控模型每组超声图像质控耗时明显少于超声医师[3.57(3.55,3.60)s vs 351(309,384)s vs 363(351,370)s vs 433(407,475)s],差异具有统计学意义(Z=-3.180、-3.181、-3.180、P均<0.001)。结论智能质控模型对早孕期胎儿头臀长正中矢状切面超声图像标准程度判断准确且高效。展开更多
文摘目的探讨人工智能对早孕期胎儿头臀长正中矢状切面超声图像标准程度判断的临床应用价值。方法选取深圳市妇幼保健院2022年1月至12月11~13^(+6)周早孕期胎儿头臀长正中矢状切面超声图像1251张为研究对象,以产前超声专家委员会对图像标准程度判断的结果作为金标准,对比智能质控模型、高级超声医师、中级超声医师、初级超声医师对图像标准程度判断的符合率,应用McNemar-Bowker检验和Weighted Kappa分析组间结果的差异性与一致性;以每100张图像为1组,记录每组图像的质控耗时,应用两相关样本Wilcoxon符号秩检验比较四者质控耗时的差异。结果智能质控模型对胎儿头臀长正中矢状切面超声图像标准程度判断符合率为90.5%,与金标准结果一致性强(Kappa值=0.83,P<0.001),略低于高级超声医师(91.1%),差异具有统计学意义(χ^(2)=16.40,P<0.001),优于中级超声医师(78.7%)和初级超声医师(68.9%),差异具有统计学意义(χ^(2)=100.25、16.88,P均<0.001)。智能质控模型每组超声图像质控耗时明显少于超声医师[3.57(3.55,3.60)s vs 351(309,384)s vs 363(351,370)s vs 433(407,475)s],差异具有统计学意义(Z=-3.180、-3.181、-3.180、P均<0.001)。结论智能质控模型对早孕期胎儿头臀长正中矢状切面超声图像标准程度判断准确且高效。
