Comparing label-free quality-control scores for automated angle-of-progression measurement in intrapartum ultra- sound: a retrospective benchmark study
这项回顾性基准研究表明，虽然自动化地标检测器之间的集成不一致性在低评审工作量下能有效识别明显的进展角误差，但它无法捕捉到所有模型共有的失败，且在角度空间与坐标空间度量之间未提供显著优势，因此在临床部署前必须进行局部校准。
原始论文采用 CC BY 4.0 许可（https://creativecommons.org/licenses/by/4.0/）。 这是对下方论文的AI生成解释。它不是由作者撰写或认可的。如需技术准确性，请参阅原始论文。 阅读完整免责声明
在分娩的最后阶段，准确了解婴儿头部下降的具体程度对医生而言至关重要。测量这一进展最可靠的方法之一是使用一种特殊的超声波探头，放置在产妇的双腿之间，以捕捉婴儿头部和产妇骨盆的图像。在这些图像上，医生会沿着骨骼画一条线，并用另一条线触及婴儿的头骨；这两条线相交的角度告诉医疗团队婴儿还需要移动多远。这种被称为“进展角”的测量方式，有助于决定产妇是可以继续自然分娩，还是需要进行手术干预。虽然医生受过手工进行此类测量的训练，但这个过程很慢，且高度依赖于操作者的个人技术。这促使研究人员开发计算机程序，能够自动在超声图像中找到关键点并计算角度，希望能以此加快护理速度并减少人为错误。
然而，一个通常很准确的计算机程序仍可能在不发出任何警报的情况下犯下巨大的错误。在最近的一项研究中，研究人员调查了如何为这些自动化系统建立安全网。他们想知道，在不需要人工先进行检查的情况下，计算机是否能分辨出哪些测量结果是它有把握的，而哪些测量结果它可能出错。该团队采用了一组公开的超声图像集，并将它们输入到六个不同的旨在寻找必要地标的计算机模型中。他们并没有仅仅信任这六个模型结果的平均值，而是观察了这些模型之间的分歧程度。如果六个模型指向的位置略有不同，系统就会将该图像标记为可疑，并将其发送给人类医生进行二次复核。如果模型们达成一致，则接受计算机的测量结果。
研究人员在数百张测试图像上测试了这种想法，以观察不同衡量分歧的方法效果如何。他们对比了通过测量模型在最终角度上的分歧程度，与通过测量模型在图像上所画特定点位上的分歧程度来进行对比。他们还测试了其他方法，例如检查单个模型在图像被轻微调整后是否给出相同的答案，或者观察计算机内部“置信度地图”的“亮度”。结果显示，当计算机被要求审查那百分之十模型分歧最大的图像时，它成功抓住了几乎所有的严重错误。具体而言，在六个计算机误差超过二十度（这是一个可能导致错误临床决策的巨大失误）的案例中，系统成功将其中五个标记出来进行复核。这使得被接受的测量值中出现此类严重错误的比例从约百分之一降低到了仅为十分之二。
有趣的是，研究发现，无论计算机是根据最终角度还是根据图像上的特定点来衡量分歧，其效果差异并不大；两种方法的效果大致相同。然而，该系统存在一个盲点：它无法捕捉到所有六个模型都达成一致但却同时出错的情况。在其中一个特定案例中，所有模型都低估了角度，且由于它们彼此一致，系统并未将其标记为可疑。这种情况最常发生在婴儿头部在骨盆位置非常低的时候，而这恰恰是医生需要了解的关键情况。研究人员还发现，用于决定何时标记图像的规则在从训练数据转移到新数据时并非完美适用。一个旨在标记百分之五图像的设置，最终却标记了百分之十一的图像，这会比计划中增加医生的工作量。
研究结论指出，虽然通过检查多个计算机模型之间的分歧是一种捕捉最危险错误的强大工具，但它本身并不是一个完整的解决方案。它在发现计算机感到“困惑”的情况时表现良好，但无法发现计算机“自信地出错”的情况。为了让该系统能够安全地投入实际应用，它需要与其他能够捕捉这些共同错误的检查机制相结合，并且标记图像的规则需要针对每家医院进行仔细调整。研究结果表明，虽然自动化超声技术正在进步，但目前的最佳方案是将这些计算机作为第一道程序，用于识别棘手的案例，并将最终的关键决策留给人类专家，由他们来识别机器所忽略的那些细微的异常征兆。
您所在领域的论文太多了？
获取与您研究关键词匹配的最新论文每日摘要——附技术摘要，使用您的语言。