基于ResNet50的闭合性肝损伤超声诊断:动物模型验证标准的建立及腹腔积血与创伤灶分级评估

《Scientific Reports》:Deep learning assisted blunt liver injury diagnosis with ultrasound: an animal study

【字体: 大 中 小 】 时间:2026年11月18日 来源:Scientific Reports 4.9

编辑推荐:

  闭合性肝损伤通常需要快速、准确的诊断,以便及时救治,而超声扫描可实现这一目的。然而,从超声图像中识别肝损伤高度依赖主观判断,尤其是在内脏无出血的情况下。本研究探索了用于建立闭合性肝损伤验证标准的动物模型,从而评估深度学习网络在判断间接(腹腔积血)和直接(创伤灶)超声创伤征象方面进

闭合性肝损伤通常需要快速、准确的诊断,以便及时救治,而超声扫描可实现这一目的。然而,从超声图像中识别肝损伤高度依赖主观判断,尤其是在内脏无出血的情况下。本研究探索了用于建立闭合性肝损伤验证标准的动物模型,从而评估深度学习网络在判断间接(腹腔积血)和直接(创伤灶)超声创伤征象方面进行客观、可靠诊断的可行性。选取54只健康的新西兰兔,建立不同严重程度的闭合性肝损伤动物模型。采集造模前后的超声图像,并计算腹腔积血指数,即各测量部位最大深度之和,以建立相应的解剖学标准。随后采用基于深度学习的ResNet50模型,根据超声图像自动检测是否存在腹腔积血或创伤灶,并进一步对损伤进行分级。造模后,腹腔积血指数与腹腔积血量呈显著正相关(r?=?0.788,p?<?0.001)。此外,腹腔积血指数的差异与闭合性肝损伤分级呈正相关(r?=?0.413,p?=?0.007)。ResNet50模型判断有无腹腔积血的准确率、敏感度和特异度分别为0.842、0.901和0.712;判断有无创伤灶的相应指标分别为0.864、0.852和0.881。该模型区分肝损伤程度的准确率为0.732。本研究证明了利用动物模型建立肝损伤验证标准的可行性。研究结果还表明,基于深度学习的模型不仅能够从超声图像中检出腹腔积血,还具有识别肝损伤的潜力和可行性。

订阅生物通快讯

订阅快讯:

最新文章

限时促销

会展信息

关注订阅号/掌握最新资讯

今日动态 | 人才市场 | 新技术专栏 | 中国科学人 | 云展台 | BioHot | 云讲堂直播 | 会展中心 | 特价专栏 | 技术快讯 | 免费试用

版权所有 生物通

Copyright© eBiotrade.com, All Rights Reserved

联系信箱:

粤ICP备09063491号