关键词:
不明原因复发性流产
超声图像
深度学习算法
摘要:
目的:分析基于超声图像的深度学习算法预测不明原因复发性流产(URPL)风险的价值。方法:选取2021年1月—2023年12月陇南市礼县第一人民医院收治的患者192例作为研究组,选取同期无早孕流产史的孕妇215例作为对照组。在黄体中期采集患者子宫内膜超声图像,收集临床数据,建立ResNet-50模型。统计ResNet-50模型训练结果,分析模型预测性能。结果:两组年龄、螺旋动脉的搏动指数、螺旋动脉的阻力指数、子宫动脉的搏动指数、子宫动脉的阻力指数、子宫内膜厚度、促卵泡生成激素、促黄体生成素、雌二醇、抗米勒管激素比较,无统计学差异(P>0.05)。ResNet-50模型训练集准确值、验证集准确值在初始阶段较低,经过几轮训练后迅速提高并趋于稳定,接近1.0;训练集损失值初始阶段较高,经过几轮训练后逐步下降,并在第4轮后接近于0;验证集损失值也随训练轮次持续降低,最终接近训练集水平。受试者工作特征曲线下面积为0.889,校准曲线反映预测概率与实际观察概率高度吻合,模型的决策曲线表现出显著的净获益,模型准确性和精确度均较高,且Brier评分接近于0。结论:基于超声图像的深度学习算法预测uRPL风险的价值较高,表现出较高的区分能力、准确性和精确度,可为临床决策提供客观依据。