论文部分内容阅读
目的比较经会阴盆底超声智能识别及自动测量方法与手动测量方法所得膀胱后壁脱垂最大距离及相应分度结果,以验证盆底超声智能识别及自动测量在量化膀胱后壁脱垂的可行性。方法存储有效Valsalva动作的前盆腔超声动态图并随机分为训练组和测试组各85例。(1)离线标记训练组图像:由1名专业研究员对训练组图像的耻骨联合后下缘、耻骨联合中轴线及膀胱轮廓进行标记,计算机使用机器学习算法分析得出上述结构的识别规律,获得盆底超声智能识别及自动测量软件;(2)智能识别及自动测量测试组图像:应用该软件智能识别及标记测试组的耻骨联合后下缘、耻骨联合中轴线及膀胱后壁最低点,并自动测出脱垂最大距离及得出相应分度;(3)盆底手动测量测试组图像:由3名具有盆底超声经验的医生分别离线手动标记测试组上述结构及测量脱垂最大距离,每位医生均标记及测量两次,两次间隔时间至少2周以上。比较自动测量方法及手动测量方法所得膀胱后壁脱垂最大距离及分度结果的差异,分析盆底超声智能识别及自动测量在量化膀胱后壁脱垂的可行性。结果3位医生对测试组两次手动测量共得到的6组脱垂最大距离进行单因素方差分析得出F=0.539,P>0.05(0.746),即手动测量结果间无显著差异;3位医生两次测量的分度一致的κ值约0.72～0.78,ICC值约0.980～0.990,结合相应Bland-Altman图均示同一手动测量者两次测量的测值及分度一致性均好;不同手动测量者间分度一致的κ值约0.65～0.75,ICC值0.985～0.992,结合相应Bland-Altman图均示不同手动测量者间一致性均较好;盆底自动测量与3位医生手动测量分度一致的κ值为0.63～0.67,ICC值为0.967～0.969,Pearson相关系数r约0.936～0.943;盆底自动测量与平均手动测量的分度一致κ值为0.70,ICC值为0.972,Pearson相关系数r约0.947(P>0.05)。结论通过机器学习算法所获得的盆底超声智能识别及自动测量软件能够智能识别出测试组图像的耻骨联合后下缘、耻骨联合中轴线及膀胱轮廓,自动测出膀胱后壁脱垂最大距离及得出相应脱垂分度;3位医生自身两次手动测量及两两间手动测量的可重复性好;盆底自动测量与手动测量在量化膀胱后壁脱垂的一致性好,即应用盆底超声智能识别及自动测量软件所得结果在量化膀胱后壁脱垂的可信度较高。