[论著]人工智能在诊断孕早期胎儿颈项透明层厚度超声图像中的应用 [中文引用][英文引用]

目的 颈项透明层（uchal translucency，NT）超声检查能有效筛查孕早期胎儿异常。本研究利用人工智能（artificial intelligence，AI）实现对孕早期胎儿NT超声图像的自动识别。 方法 回顾性分析在医院进行超声产检并妊娠11~13+6周的100例单胎胎儿。按胎儿NT厚度是否超过3.0mm分为NT增厚和NT正常组，其中25例胎儿的NT厚度超过3.0mm。图像经归一化处理后，通过数据增强方式扩充2倍，并按7:1:2的比例随机划分至训练集（n=210）、验证集（n=30）和测试集（n=60）用于深度学习模型训练与测试。 结果 即使在小样本数据集中进行训练，该模型可以有效识别NT超声图像。在训练集和验证集中，EfficientNetV2的准确率和受试者工作特征曲线下的面积分别为0.944和0.997。在测试集中，EfficientNetV2的敏感度和Specificity特异度分别为0.960和0.980。结论 在筛查孕早期胎儿异常的过程中使用AI模型具有潜在的临床优势，能够在有限的医疗资源条件下提高医生的工作效率和筛查的准确性。