本篇文章大概2900字，深度阅读需要13分钟
| 今天的文章中，超哥为大家介绍人工智能（AI）在腹部和盆腔超声影像中的最新应用，涵盖肝胆系统、多器官检测、肌肉骨骼、妇科及图像处理等领域。AI技术通过深度学习、机器学习和自然语言处理，实现了脂肪肝、肝癌、胆囊息肉、阑尾炎、卵巢癌等疾病的高效诊断，以及创伤检测和盆腔功能评估等功能。然而，目前大多数研究为单中心回顾性研究，缺乏多中心前瞻性验证，导致模型在不同数据集上的泛化能力不足。此外，研究缺乏种族多样性，且应用于紧急场景的计算成本和时间不明确。FDA已批准少数AI超声设备用于特定应用，但全面推广仍需进一步解决数据偏倚、验证不足和基础设施限制等挑战。总体来看，AI在超声影像中的前景广阔，有望在临床诊断、健康监测及报告优化中发挥重要作用。 |
AI驱动的心腔内超声系统ICE - 人工智能与Mamba架构结合下的介入手术精准操控
97%+准确率！CystNet如何人工智能在妇科诊断中PCOS诊断流程
复杂手术”走向基层”：基于腹腔镜超声人工智能与AR增强现实技术LARLUS引领术中超声数字化革命
开源方案 | EchoLocator - 为超声人工智能"铺路"的多中心超声图像标准化解决方案
这篇综述详细分析了人工智能（AI）在腹部和盆腔超声影像中的应用现状、技术方法及未来前景。通过筛选自2013年至2024年间的PubMed、FDA和ClinicalTrials.gov数据库，共收录了57篇研究文献，对这些研究在不同解剖区域的AI应用进行了分类讨论，包括肝胆系统、多器官检测、肌肉骨骼系统、妇科和图像处理等领域。
背景
腹部和盆腔超声影像是诊断和监测内脏器官的一种非侵入性工具。近年来，AI技术的进步显著提升了超声影像的分析能力，有望在疾病诊断、监测及报告优化中取得突破。然而，当前AI在该领域的实际应用仍处于初步阶段，面临一些挑战，如数据偏倚、高度依赖单中心数据、缺乏前瞻性多中心验证等。
方法与数据分析
作者通过特定关键词在数据库中进行了广泛检索，最终筛选出符合标准的57篇文献，并按照应用领域和技术方法进行了系统分类，分析了其成果、局限性及未来发展方向。研究方法主要包括深度学习、机器学习、自然语言处理（NLP）等，并梳理了FDA已批准的AI设备及相关临床试验。
各个领域的AI应用
1. 肝胆系统
在肝胆超声影像中，AI主要用于诊断非酒精性脂肪肝、肝癌、急性胆囊炎等。常见应用包括：
脂肪肝诊断：通过深度学习模型分析肝肾指数（HRI）或其他影像特征，一些研究报告了高达0.996的曲线下面积（AUC），显示出极高的诊断准确性。
肝癌检测：支持向量机（SVM）和卷积神经网络（CNN）用于预测肝细胞癌的KI-67表达情况，取得了86%的准确率。
胆囊息肉和急性胆囊炎：使用ResNet-50和MobileNet V2等深度学习模型，有效提高了对胆囊息肉和急性胆囊炎的检测准确性，但数据集中多为单中心数据，存在潜在的偏倚。
2. 多器官检测
AI在腹部超声多器官检测中的应用主要集中在创伤检测和阑尾炎、儿童肠套叠的诊断。
创伤检测：多中心研究基于FAST（创伤超声评估）影像，使用ResNet-152等模型实现了高达97.8%的视频检测准确率。
阑尾炎诊断：基于多中心数据，随机森林模型结合经典的阑尾炎评分，实现了高达95%的正预测值（PPV）。
儿童肠套叠：通过区域卷积神经网络（RCNN）对2325幅图像进行训练，模型在准确性、召回率和特异性方面均表现良好。
3. 肌肉骨骼系统
AI主要用于呼吸运动跟踪和肌肉厚度监测，尤其在阻塞性睡眠呼吸暂停预测及运动员恢复监测中取得了显著效果。
呼吸运动跟踪：通过CNN、KNN等算法对呼吸运动进行精确跟踪，一些研究报告了约1.14毫米的误差率。
肌肉厚度监测：深度学习模型测量腹部肌肉厚度以监测慢性背痛恢复效果，10折交叉验证下误差低于0.31毫米。
4. 妇科应用
AI在妇科超声中的应用主要集中在癌症诊断、盆腔功能评估及儿童早发性青春期检测。
卵巢癌检测：基于大型多中心数据集的深度学习模型实现了较高的AUC，辅助放射科医生评估时进一步提高了诊断准确性。
盆腔康复功能评估：用于腹腔镜术后疼痛程度评估的双线性CNN模型取得了97.3%的高准确率。
儿童早发性青春期：采用XGBoost算法进行的诊断模型在敏感性和特异性上均有较高的表现。
5. 报告优化和图像处理
NLP技术在腹部和盆腔超声报告中的应用主要集中在报告内容的识别、分类和纠正：
报告分类：SVM模型对腹部超声和CT/MRI报告中的癌症警报进行识别，获得了87.7%的正预测值和94.3%的敏感性。
图像自动分割：U-Net模型在胎头和腹部等目标区域的自动分割中显示出优异的性能，Dice系数达到97%以上。
6. FDA批准的AI设备及临床试验
文中还总结了截至2023年10月获得FDA批准的17款超声AI设备，大多数由GE医疗和飞利浦开发，主要用于心脏、盆腔及多模式影像诊断。文献还提及了正在进行的AI在腹部/盆腔超声中的临床试验，涉及胎儿影像提取和盆底功能预测等多个方向。
当前挑战与未来展望
多中心前瞻性验证不足：仅有25%的研究为多中心研究，且大多数为回顾性研究，这导致模型在外部数据上的泛化能力不足，可能会引入偏倚。
种族多样性缺乏：当前研究缺乏不同种族数据的验证，模型可能会在应用到不同人群时表现欠佳。
数字基础设施的局限：尤其在偏远地区，缺乏高质量影像采集的条件和数据传输的基础设施，这在紧急情况下可能影响AI应用的有效性。
计算成本和时间不明确：仅有少数研究报告了算法的计算时间，未来需更多研究报告硬件配置和计算性能以便优化急诊应用。
规范标准的遵循：随着AI研究设计标准的逐步出台，研究者应尽可能遵循，以提高研究的透明性和科学性。
结论
本综述强调了AI在腹部和盆腔超声影像应用中的显著潜力及其当前取得的成就，指出了该领域面临的挑战与改进方向。AI应用在疾病诊断、健康监测和报告优化中的表现令人瞩目，但其广泛应用还需要更多的多中心验证、数字基础设施支持以及遵循更严格的研究设计标准。总体而言，AI在超声影像中的发展前景广阔，有望在临床诊断和管理中发挥更重要的作用。
参考文献
Cai, Lie, and André Pfob. "Artificial intelligence in abdominal and pelvic ultrasound imaging: current applications." Abdominal Radiology (2024): 1-15.
"怀长期主义，聊医工科技"
我是超哥，超声行业17年老伙计，做过研发，搞过生产，趟过市场，开过（在开）公司；越野跑爱好者；工作狂；沟通粗暴直接；严苛完美主义者；起伏皆为过往；信奉长期主义和第一性原则；欢迎来聊来组局...
不错过医工超人文章三部曲：1. 关注公众号 2. 经常点击“在看” 3. 点击公众号右上方设置“星标” 每篇文章都会按时推送不错过
*医工超人·招聘求职群：定期发布超声招聘，求职信息
*免责声明*
本公众号注明原创的内容权利属于本服务或本服务权利人所有，未经本服务或本服务权利人授权，任何人不得擅自使用（包括但不限于复制、传播、展示、镜像、上载、下载、转载、摘编等）或许可他人使用上述知识产权的。已经本服务或本服务权利人授权使用作品的，应在授权范围内使用，并注明作者来源。否则，将依法追究其法律责任。
