关键词:
高原肺水肿
肺部超声
自动筛选技术
模型
人工智能
摘要:
目的利用西藏军区总医院收集的肺超声图像数据,基于深度学习技术,建立一种适用于高原肺水肿(high altitude pulmonary edema,HAPE)的肺超声筛查自动技术,用于自动筛选HAPE病症,提升诊断的准确性。方法收集2021年1月至2023年12月期间,我院收治的高原肺水肿确诊病例共174例,按照分层的方式划分为训练集121例、验证集18例和测试集35例。采集患者肺超声图像,通过卷积神经网络(Convolutional Neural Network,CNN)模型进行图像识别和分析,系统进行多次训练和验证。模型被整合并优化以满足实时性和用户友好性需求,比较自动筛查技术系统与传统人工筛查方法诊断准确性。结果模型性能评估中,AI模型的敏感性为95.00%,特异性为96.00%和总体准确率为95.50%(包含训练集115张,验证集17张,测试集33张),高于医师组的敏感性84.33%,特异性87.67%和总体准确率85.50%(包含训练集106张,验证集16张,测试集31张)。统计学分析表明,AI系统与人工筛查方法在诊断敏感性、特异性及准确率上的差异具有统计学意义(P<0.05)。结论与传统人工筛查方法相比,AI模型在诊断敏感性、特异性和准确率表现优异,可提高临床诊断。