上腹部横切面在产前超声诊断心房异构综合征中临床效果观察

目的:探讨上腹部横切面在产前超声诊断心房异构综合征中的临床效果。方法:选择2014年1月至2019年5月在我院经产前超声诊断为心房异构综合征的孕妇45例作为研究样本,并对其临床资料进行回顾性分析。深入研究并分析患有心房异构综合征胎儿的上腹部横切面影像特点。结果:45例产妇均存在胎儿心房异构综合征,其中,17例为左心房异构,28例为右心房异构。结论:在产前超声诊断中密切观察上腹部横切面,有助于发现上腹部大血管的排列关系,进而确诊胎儿有无心房异构综合征。

人工智能质控在提高胎儿上腹部水平横切面标准率中的应用价值

目的探讨人工智能(artificial intelligence,AI)质量控制系统在提高胎儿上腹部水平横切面超声图像标准率中的应用价值。方法应用“产前超声AI智慧云平台”对深圳市60家医院三个季度在产科超声检查中存储的胎儿上腹部水平横切面图像共18114张进行智能质控,受质控医生通过查阅质控结果及图像存在的不足之处针对性地加以改进。应用χ^(2)检验对三个季度图像的标准率、不足原因及申诉情况进行两两比较,评估智能质控对于提高胎儿上腹部水平横切面标准程度的价值。结果各医院第一、二、三季度胎儿上腹部水平横切面图像标准率分别为80.15%(5649/7048)、86.2%(4391/5096)、90.55%(5406/5970),各季度图像标准率逐步提高,两两比较差异有统计学意义(P<0.01);每个季度的不标准图像中,图像不足的主要原因是切面中出现了大片肺脏,分别为8.9%(631/7048)、7.0%(358/5096)、4.9%(294/5970),其次是脐静脉和门静脉汇合部显示不清,分别为4.3%(305/7048)、3.5%(181/5096)、2.6%(155/5970),这两类图像均显著减少,两两季度比较差异有统计学意义(P<0.01);医生申诉后维持智能评价结果的图像分别为66.4%(79/119)、49%(25/51)、33.3%(10/30),两两比较差异有统计学意义(P<0.01),提示各季度医生对图像认识错误率逐渐降低。结论人工智能质量控制可有效提高胎儿上腹部水平横切面超声图像的标准率,提升医生对标准切面的认识。