Noise2Noise自监督人工智能在乳腺超声存图质控的应用研究

目的 利用Noise2Noise自监督人工智能(AI)提高乳腺超声存图质控的准确度。方法 对手动提取“体标”、“大小”和“血流”3种标识创建大型数据集,利用自监督训练和Noise2Noise的耦合方式集进行人工智能模型训练。分割准确度和重建相似性两类定量指标对模型的性能进行分析,筛选出最优AI模型。随机选取行乳腺检查的1 000例患者图像,分别记录AI和人工质控完成3种标识所用的时间和准确度,进行AI与人工质控比较。结果 Noise2Noise模式下训练的U-Net模型可作为后续研究使用的最优AI模型;人工在完成质控标识的时间差异无统计学意义(P>0.05);“体标”、“大小”和“血流”3种标识的AI质控准确度为95.44%、78.50%和73.50%,人工质控准确度为99.99%、100%、100%,AI质控3种标识的每张图像耗时较人工质控分别节省0.45 s、0.84 s和0.50 s。结论 Noise2Noise自监督AI进行超声图像标识质控较人工质控可缩短耗时,提高质控效率,但准确度有待进一步提高。