| 摘要: |
| 目的:探索人工智能(AI)技术在孕早期预测胎盘功能不全(PI)患者的可行性。 方法:选择
单胎前壁胎盘的高危孕妇为研究对象。 孕早期收集超声影像数据:子宫动脉搏动指数(UTPI)和胎
盘血管血流化参数(PVIs)。 结局发展为子痫前期(PE)和胎儿生长受限(FGR)的患者被定义为 PI。
孕早期胎盘图像扩增后分为训练集与测试集,从训练集图像中提取胎盘纹理特征创建基于超声图像
技术的胎盘功能不全机器学习模型,用测试集图像进行验证,比较超声与 AI 的诊断试验结果。 结
果:纳入 164 例孕妇,胎盘功能正常组和 PI 组分别为 147 例和 17 例,AI 测试集对预测 PI 的敏感度、
特异度、阳性预测值、阴性预测值、阳性似然比和阴性似然比分别为 73. 33% 、60. 85% 、58. 93% 、
74. 87% 、1. 87 和 0. 44,受试者工作特征(ROC)曲线下面积 0. 67,精确率 58. 93% ,召回率 73. 33% ,
F1 分数 0. 65。 超声与 AI 的诊断试验结果比较:AI 阳性预测值最高(58. 93% ),其他诊断试验指标
均低于 PVIs。 结论:基于胎盘超声纹理分析的 AI 技术的阳性预测值优于超声参数,鉴于 PVIs 值容
易受到许多技术或生理性参数的影响,AI 是预测 PI 崭新有希望的工具。 |
| 关键词: 胎盘功能不全 人工智能 子宫动脉搏动指数 胎盘体积 胎盘血管血流化参数 |
| DOI： |
|
| 基金项目: |
|
|
|
| () |
| Abstract: |
|
| Key words: |
