妊娠早期胎儿心脏人工智能质控模型的研究与应用

作者：朱巧珍; 谭莹; 张梅芳; 温昕; 江瑶; 秦越; 袁鹰; 郭洪波; 彭桂艳; 黄文兰; 侯伶秀; 李胜利^*

来源：中华超声影像学杂志, 2023, 32(11): 952-958.

DOI：10.3760/cma.j.cn131148-20230522-00281

• 超声检查
• 妊娠早期
• 胎儿心脏
• 质量控制
• 人工智能

目的构建妊娠早期胎儿心脏人工智能(AI)质控模型并验证其效能。方法选取2022年1-12月深圳市妇幼保健院妊娠早期胎儿心脏四腔心切面(4CV)及三血管气管切面(3VT)彩色多普勒图像共18 694张;其中14 432张图像进行人工标注, 使用单阶段目标检测算法YOLO V5构建妊娠早期胎儿心脏AI质控模型, 4 262张图像(由专家组设定金标准)用于评价AI质控模型的临床应用效能。AI模型、医生1(D1)、医生2(D2)分别对4 262张图像切面分类及标准程度进行判断, 并比较三者对切面分类、标准程度判定的一致性及耗时的差异。结果①AI质控模型精确率0.895、召回率0.852、平均精度0.873, AI质控模型对切面分类的平均准确率分别为0.907(4CV)、0.989(3VT)。②与金标准比较, AI质控模型、D1、D2对4 262张图像切面分类的符合率和一致性检验结果分别为99.91%(Kappa=0.998)、100%(Kappa=1.000)、100%(Kappa=1.000), 三者对切面标准程度判定的符合率和一致性检验结果分别为97.46%(Weighted Kappa=0.932)、93.73%(Weighted Kappa=0.847)、93.12%(Weighted Kappa=0.832), 均提示一致性强。AI质控模型对标准程度判断的符合率最高、一致性最强, 优于人工质控。AI模型质控的耗时(0.012 s/张)明显少于人工质控(4.76～6.11 s/张)(Z=-8.079, P<0.001)。结论使用妊娠早期胎儿心脏智能质控模型可以准确高效地进行质量控制。

• 单位
  桂林医学院附属医院; 深圳市妇幼保健院; 深圳市松岗人民医院; 第一临床医学院; 南方医科大学