人工智能在体外冲击波碎石术之前的应用

Eur Urol Open Sci. 2021 May; 27: 33–42.

Published online 2021 Mar 21. doi: 10.1016/j.euros.2021.02.007

PMCID: PMC8317850

PMID: 34337515

Can a Dinosaur Think? Implementation of Artificial Intelligence in Extracorporeal Shock We Lithotripsy

Sebastien Muller,a,b Håkon Abildsnes,c Andreas Østvik,a,b Oda Kragset,c Inger Gangås,d Harriet Birke,e Thomas Langø,a,b and Carl-Jørgen Arume,f,g,h,*

Author information Article notes Copyright and License information Disclaimer

Go to:

Abstract

剧中 游离震波砾石术 (ESWL) 正在被愈来愈昂贵和MRI的内窥镜治疗依此所摒弃。开发认知科学 (AI) 增强型 ESWL，并研究工作一台自学可以大幅提高 ESWL 解毒的潜力。 结构设计、增设和与会者 二维磁共振截图是在 ESWL 治疗依此期则有从隐含截图采集缓冲器的的网站磁共振通讯设备当中捕捉到。一名观测者将 11 位病人的 23 212 张三幅片标有为变焦或离焦。当中位命当中叛将是通过引领在病人水平上算出的。有着 U-Net 架构的微分一台自学在 57 幅磁共振三幅片上完成受训，这些三幅片描绘了来自同一病人的肾病变，并由第二位观测者完成了评注。在第一个观测者评注的磁共振三幅片上证明了 U-Net。采用九名病人的受训集、一名病人的证明集和一名病人的证明集完成横向证明。结果测值和汇总分析方依此 算出了叙述归纳缓冲器精确度的定格指标，以及对线性如何阻碍震波命当中叛将的估计数值。结果 常规 ESWL 的当中位命当中叛将为 55.2%（95% 置信区则有 [CI] 43.2–67.3%）。U-Net 的精确度指标是吻合度 63.9%、精确度 56.0%、特异性 74.7%、感染性分析方依此数值 75.3%、阴性分析方依此数值 55.2%、Youden's J 汇总 30.7%、无资讯叛将 58.0% 和 Cohen's κ 0.2931。该线性将有缺陷总总计增大了 67.1%。主要允许是这是一项至少涉及 11 名病人的方依此论证明研究工作。结论 我们算出出的 ESWL 命当中叛将为 55.2%（95% CI 43.2–67.3%），支持一时期研究工作的结果。我们早已证明，至少对 11 名病人完成受训的一台自学线性将命当中叛将大幅提高到 75.3%，并将失误增大了 67.1%。当 U-Net 在愈来愈多和愈来愈高总质值的评注上完成受训时，可以期待好处的结果。

概述 肾病变可以通过震波来治疗依此。肺脏的磁共振照相使用引领机缓冲器接获震波，但震波仍似乎漏掉病变。我们采用认知科学来大幅提高击当中正在处理的石子的吻合性。关键词：游离震波砾石术，肾病变，认知科学，一台自学，一台自学

Introduction .

尿石症是一种愈加常见的疾病，给病人和医疗保健都远方来了沈重的负担。尿石症的患病叛将在亚太地区在世界上多种完全相同，从 4% 到 20%。自 1980 年 Chaussy 等人报导游离震波砾石术 (ESWL) 治疗依此尿石症以来，它已远方入最会用的治疗依此计划。震波砾石的灵活性是 ESWL 的基础，其解毒取决于震波撞击病变的灵活性。ESWL、经皮肾镜取石术 (PCNL) 和膀胱肾镜健康检查/逆行肾内切除 (URS/RIRS) 是有症状的尿石症的主要治疗依此选择 。其当中，ESWL 是MRI最小、并发症最多的方依此。一项为期 20 年的亚太地区研究工作发掘出，URS/RIRS 的总治疗依此份额增高了 17%，PCNL 保持稳定不变，ESWL 增大了 14.5%。另一项清查尿石症治疗依此文献趋势的研究工作声称，关于 URS/RIRS 和 PCNL 的论文分别增高了 171% 和 279%，而关于 ESWL 的论文增大了 17%。ESWL 解毒的大幅提高不该都会降较高再继续治疗依此叛将、切除室整整、需求、内窥镜通讯设备的采用和并发症发生叛将，从而孝着降较高医疗保健效益。自认知科学诞生以来，人们一直借此结构设计必须与全人类智能竞争对手的认知科学。这是通过戏仿全人类方依此论化动态来实现的，这一方依此论被统称认知科学 (AI)。一台自学 (ML) 是一种通过专业学问自学的认知科学 [12]。早已开发并证明了几种使用尿路病变的非一台自学线性，但没一种线性在临床研究实践当中获取广泛采用。早已证明，ML 线性在三幅片分析方依此上都的发挥要强临床研究眼科医生 。在监督自学当中，线性被等同于标示出总计据，例如有病变和没病变的肺脏的磁共振三幅片，以受训它辨别“病变”三幅片和“无病变”三幅片。受生物神经接点启迪的流行 ML 线性还包括人工一台自学 (NN)（三幅 1A）。NN 当中的第一层统称重定向层，其作用是将一时期重定向总计据派送到下一层 。控制器层将重定向愈来愈改为整个在线的最终控制器，在我们的下面当中不得不三幅片究竟相关联移行系病变。在重定向层和控制器层彼此则有有“隐藏”层，这些层由举例来话说组成，可以教授处理十分复杂解决办依此。相连和层的结构定义了 NN 的架构。

Fig. 1

(A) 简单一台自学架构下面，还包括有着两个键数值的重定向层、有着三个键数值的隐藏层和有着两个键数值的控制器层。采用 Inkscape 创建人。(B) 叙述主因匹配的三幅。受训流程当中受训使用值级急剧减小，如果组件受训整整必须长，最终使用值级为零。当过匹配开始时，证明有缺陷将开始增高，因为组件的众所周知灵活性愈加差。最佳中止整整是证明曲线上的最较高点。基于 Tretyakov的三幅注记。(C) 来自 Yani 等人学问提供者署名 3.0 允许）的三幅片孝示第二大池本土化和最少池本土化对重定向完成下滤波。在第二大池本土化当中，重定向被分成几均，每个均的最高数值得出结论控制器。在最少池本土化当中，每个均的最少数值得出结论了控制器。NN 受训通常采用优本土化缓冲器来实现，该优本土化缓冲器旨在通过交叉传播来也就是话说损失函总计。损失函总计的作用是衡值线性对formula_总计据构建的灵活性（例如，识别系统设计肾病变），其数值使用愈来愈新在线举例来话说以也就是话说使用值级。为了研究工作 NN 的连续性，不该采用与使用受训的总计据完全相同的总计据对其完成证明。在受训期则有监视系统设计证明损失：随着在线的改进，证明使用值级随着受训使用值级而减小。然而，受训流程当中的一个常见解决办依此是主因匹配（三幅 1B），这通常是组件记忆受训总计据的结果 [19]。结果是一个组件没自学可众所周知的基本特征，通常通过证明损失的发散来识别系统设计。为了以防这种情况，采用了完全相同的受训策略，例如提前中止和等价本土化。愈来愈不可忽视的是，在受训流程终于并不需要并采用第三个独立自主总计据集，通常统称证明集。证明集使用衡值在线妥善解决不可见独立自主总计据执行的灵活性。微分一台自学 (CNN) 是十分复杂三幅片分析方依此的颇受欢迎 [20]。实现 CNN 是为了首先识别系统设计较高十分演算法的基本特征，然后在愈来愈深的层当中见到愈来愈高十分演算法的基本特征 [20]。微分系统设计设计识别系统设计重定向的区别于（例如，线或圆锥）并得出结论统称基本特征三幅的控制器。池本土化系统设计设计然后对基本特征三幅完成下滤波（降较高分辨叛将）以增大后续系统设计设计当中对算出灵活性的需求。最会用的两种池本土化系统设计设计是第二大池本土化和最少池本土化，如三幅 1C 所示。当线性对三幅片完成拆分时，它都会将其拆分为形式化对象 [20]，例如未确定三幅片的哪一均描绘了移行系病变 [16]。早已为拆分目的实现了完全相同的 CNN，其当中一个例子是 U-Net [20]。U-Net 的第一个阶段是下滤波，其当中微分层识别系统设计三幅片基本特征，而第二大池本土化黎曼对基本特征三幅完成下滤波。在终于一个阶段，即上滤波，基本特征三幅通过上滤波黎曼完成上滤波，并与来自下滤波阶段的菱形基本特征三幅的副本相混合 [20]。通过这些横向相连，可以保留高分辨叛将基本特征，如三幅 2 所示。

Fig. 2

Ronneberger 等人 创建人的一时期 U-Net 架构。蓝色三角形都有基本特征三幅，而白色三角形都有通过横向相连复制的基本特征三幅。记号指出黎曼（深蓝色和深蓝色 = 微分；灰色 = 横向相连；金色 = 第二大池本土化；绿色 = 上滤波）。

Patients and methods 2.

分析方依此二维磁共振三幅片以估计数值无线电管控的 ESWL 的命当中叛将并证明 U-Net 精确度。为了拿到三幅片，将帧采集缓冲器相连到 ESWL 机缓冲器（PiezoLith 3000，Richard Wolf GmbH，Knittlingen，Germany），使用在 ESWL 期则有捕捉到的网站同步磁共振三幅片。每个截图的长度为 30 分钟，随机选择 5 分钟的截图序列完成评注。评注者抽取磁共振样品以将每个帧标示出为当病变西北面侧重范围 (FZ) 时“侧重”或当病变不在 FZ 当中时“失焦”（三幅 3A）。这个流程是采用评注机器完成的（三幅 3B）。由于病变通常在 FZ 内或 FZ 则有年当中超过两个帧，因此通过至少标示出帧每条的过渡点来精简评注流程。例如，如果第一帧被标示出为变焦，并且在第十帧当中发生了离焦的过渡，那么从开始到第十帧的所有帧都被分类为变焦。

Fig. 3

(A) 组件年度报告病变地处侧重的组件下面，因为 ≥50% 的分析方依此病变（金色）在侧重范围（橙色）内。(B) 评注机器的屏幕截三幅。隐含十字多多的磁共振截图孝示在右侧，滑块使用浏览帧。要评注帧，评注者单击“选择要评注的帧”并选择将帧标示出为“侧重”或“失焦”。如果病变在此帧当中西北面侧重，则评注者然后之后截图并中止标示出病变失焦的第一帧。这两个标识彼此则有的帧都会则会标示出为“侧重”。绿色和金色三角形都有评注者标示出的帧。在评注流程当中，我们发掘出一些病变在磁共振三幅片当中不可见，并且这些病人（病例 1、3 和 9）未有还包括在无线电管控的 ESWL 的命当中叛将分析方依此当中。总计直接评注了 731 帧，加剧总计 23 212 帧。由于磁共振通讯设备每秒捕捉到15 帧，我们最终获取了 26 分钟的远方评注的磁共振截图，都有每位病人的最少整整为 3.2 分钟。此则有，第二个评注者在反之亦然组件当中为所有病人描绘了肺脏和肾病变。这加剧了来自总计 57 张三幅片的肺脏和肾病变的二元掩码。为了在肾病变拆分当中证明常规的 U-Net 微分在线，它采用描绘的三幅片完成受训。为了受训和证明在线，我们提供了肺脏和肾病变的评注。标示出肺脏为线性提供了一个连续性或有关病变不该在哪里的上下文资讯，因为在整个治疗依此流程当中，肾病变大致保持稳定在肺脏则有部的相异位置。我们完成了基于病人的横向证明。通过对来自 9 名病人的帧完成受训并在来自一名病人的帧上完成证明，总计创建人了 11 个组件。在这 11 个组件当中，有 8 个在相异的 23 212 个帧上完成了证明，这些帧在 8 名病人当中标有为“变焦”或“失焦”。清查的第一个结果是无线电管控 ESWL ，以 90 延时/分钟的加速年当中发射成功的命当中叛将。命当中叛将是指撞击病变的震波的百分比，在本研究工作当中定义为超过 50% 的病变在 FZ 当中的击球。为了算出这个，我们并不需要知道在一定总计值的帧当中病变侧重的帧总计。每个帧由一名观测者手动分配一个 0（失焦）或 1（侧重）标识，标识的翻倍得出结论了病变在 FZ 当中的帧总计。采用 R 环境完成汇总编程语言 (www.r-project.org)，采用偏差校正和加速自举依此估计数值每个病人的当中位命当中叛将，有着 95% 的置信区则有 (CI)，以指标超出样品的结果的稳健性估计数值。通过在 SPSS 当中转换成直方三幅、装入示意三幅和正态 Q-Q 三幅，并通过制订 Shapiro-Wilk 验证和峰态和偏度分析方依此来健康检查病人的命当中叛将地理分布。手动制订匹配优度的 χ2 验证以未确定命当中叛将究竟均匀地理分布并最终不得不拆分究竟合适。p 数值

为了估计数值 U-Net 线性的精确度，将总计据重定向 R 以创建人误解向值（注记 1），其当中的基本事实是评注总计据。线性未有证明到石子的帧不相关联在误解向值当中。然后采用 R 来算出归纳组件精确度的定格指标：吻合性、敏感性、特异性、感染性分析方依此数值 (PPV)、阴性分析方依此数值 (NPV)、流行叛将、检出叛将、证明流行叛将、均衡吻合度、Youden's J 汇总值、无资讯叛将和 Cohen 的 κ。注记 2 当中提供了对这些数值的注记述。然后，我们通过将标有为侧重的帧总计相加确感染性总计来估计数值 U-Net 管控的 ESWL 相较无线电管控的 ESWL 的治疗依此整整。通过将相对处理整整乘以确阴性总计，再继续相加评注为失焦的帧总计，我们估计数值了 U-Net 将如何阻碍有缺陷总计。formula_ 90/min 的震波速叛将，算出无线电管控的 ESWL 和 U-Net 管控的 ESWL 的每分钟命当中总计。通过对 R 当中 5000 个帧样品完成偏差校正和加速引领，算出每位病人的当中位命当中叛将和 95% CI（注记 3）。图注记1 在误解向值当中一个组织的误解向值结构设计和证明总计据（评注为侧重或失焦的三幅片）

In focus (annotator)

Out of focus (annotator)

Total

Design

In focus (AI)

TP

FP

TP + FP

Out of focus (AI)

FN

TN

FN + TN

Total

TP + FN

FP + TN

TP + FP + FN + TN

Test data

In focus (AI)

5987

1961

7948

Out of focus (AI)

4700

5792

10 492

Total

10 687

7753

18 440

AI = artificial intelligence; TP = true positive; FP = false positive; FN = false negative; TN = true negative.

Table 2

叙述归纳缓冲器精确度的最不可忽视汇总总计据简介

Statistic

Definition

Accuracy

TP+TNTP+FP+TN+FN

Sensitivity

TPTP+FN

Specificity

TNTN+FP

Positive predictive value (PPV)

TPTP+FP

Negative predictive value (NPV)

TNTN+FN

Prevalence

TP+FNTP+FP+FN+TN

Detection rate

TPTP+FP+FN+TN

Detection prevalence

TP+FPTP+FP+FN+TN

Balanced accuracy

Sensitivity+Specificity2

Youden’s J statistic

Sensitivity+Specificity−1

No-information rate:

If (TP+FN)>(FP+TN)

TP+FNTP+FP+FN+TN

If (FP+TN)>(TP+FN)

FP+TNTP+FP+FN+TN

Table 3

通过自举依此估计数值的每位病人的无线电管控的游离震波砾石术的当中位命当中叛将

Patient

Frames in focus (n)

Total frames (N)

Median hit rate, % (95% CI)

1

–

–

–

2

1588

2974

53.4 (51.6–55.1)

3

–

–

–

4

1414

2397

59.0 (57.0–61.0)

5

1774

2798

63.4 (61.6–65.2)

6

1851

3382

54.7 (53.0–56.4)

7

1697

3544

47.9 (46.2–49.5)

8

2082

3926

53.1 (51.5–54.6)

9

–

–

–

10

789

3699

21.3 (20.0–22.7)

11

438

492

89.0 (86.2–91.7)

Total

11 633

23 212

55.2 (43.2–67.3)

CI = confidence interval.

经范围委员都会指标后，拿到采用从病人历史记录串流的电子邮件磁共振截图的书面允许（参考编号 2014/2261）。

Results 3.

病人的命当中叛将呈基本特征函数，如三幅 4A-D 所示。这获取了偏度 (z = −0.005) 和峰度 (z = 1.73) 的分析方依此以及 Shapiro-Wilk 验证 (p> 0.05) 的支持。然后手动制订 χ2 匹配优度验证，然后在 R 当中完成管控。通过将该病人的总帧总计乘以拆分最少命当中叛将 (50.12%) 来算出每个病人的预期命当中叛将。有着七个自由度的 χ2 数值为 927.4，p 数值

Open in a separate window

Fig. 4

(A) 无线电管控的游离震波砾石术 (ESWL) 的命当中叛将直方三幅。该地理分布类似于基本特征函数，尽管有着一定某种程度的峰度。然而，峰态 z 数值在汇总上并不孝着。(B) 无线电管控的 ESWL（x 轮轴）的命当中叛将（y 轮轴）的装入示意三幅，孝示与基本特征函数一致的近似菱形地理分布。病人 10 和 11 是异常数值。(C) 无线电管控的 ESWL 命当中叛将的正常 Q-Q 三幅。这些点靠近线，这通常指出基本特征函数。尽管如此，点如何围绕线一个组织似乎存有一种趋势，这声称地理分布实际上似乎并不正常。(D) 命当中叛将第 95 个百分位的趋近。随着引领增值次总计的增高，两个年当中数值彼此则有的相对相异渐趋零。只能从原来的 8 个样品当中抽取 6435 个完全相同的样品。这允许了我们可以引领的样品总计值，因为增高引领样品的总计值都会增高多次抽取相异样品的似乎性。为了见到最佳的 bootstrap 样品总计值，我们揭示了并不需要多少个 bootstrap 样品才能稳定第 95 个百分位总计。这孝示在三幅注记当中，x 轮轴上是自举样品的总计值，y 轮轴上是第 95 个百分位总计的变本土化。很明孝，在2000-3000个样品的bootstrapping后变本土化

该线性难以在 20.6% 的帧当中见到石子，因此它们没相关联在分析方依此当中。对于剩余的 18 440 帧，算出了分析方依此的石子范围和 FZ 彼此则有的交错某种程度。≥50% 的交错被看来是“侧重”。采用评注缓冲器作为基本事实将证明结果一个组织在 R 当中的误解向值当中，并算出精确度（注记 1）。该线性发掘出 58.0%（连续性）的帧有侧重病变（注记 4）。该线性的吻合叛将为 63.9%，这；也定它正确地地将 63.9% 的帧归纳为“变焦”或“失焦”。在病变侧重的帧当中，线精确度够将将近一半分类为“侧重”，因为精确度为 56.0%。该线性愈来愈擅长对“失焦”的病变完成归纳，特异性为 74.7%。PPV（线性正确地归纳为“变焦”的帧总计）为 75.3%，NPV（线性正确地归纳为“失焦”的帧总计）为 55.2%。请注意，如果砾石机根据线性发射成功震波，则 PPV 对应于命当中叛将。检出叛将为 32.5%，而检出叛将要高得多，为 43.1%，声称存有大值与此有关（当石子实际上“失焦”时，AI 将帧归纳为“变焦”）。Youden's J 汇总值为 30.7%（常规：>0），Cohen's κ 为 0.2931（常规：>0），无资讯叛将为 58.0%（较高于吻合叛将），线性精确度要强随机揣测究竟病变在侧重内或侧重则有，声称它可以正确地磁共振三幅片当中的肾病变。相较而无须管控的 ESWL，治疗依此整整为 1.94 (11 633/5 987)，而误系统设计设计叛将为而无须管控的 ESWL 的 32.9% ([1.94 × 1961]/[23 212 – 11 633])。无线电管控的 ESWL 每分钟击石 45 次 (90/min × 11 633/23 212)，而 U-Net 管控的 ESWL 每分钟击石 23 次 (90/min × 5987/23 212)。

Table 4

在评注为变焦或离焦的磁共振三幅片上证明时，U-Net 组件的算出精确度汇总总计据

Statistic

Value

Accuracy (%)

63.9

Sensitivity (%)

56.0

Specificity (%)

74.7

Positive predictive value (%)

75.3

Negative predictive value (%)

55.2

Prevalence (%)

58.0

Detection rate (%)

32.5

Detection prevalence (%)

43.1

Balanced accuracy (%)

65.4

Youden’s J statistic (%)

30.7

No-information rate (%)

58.0

Cohen’s κ

0.2931

Discussion 4.

研究工作结果声称，优本土化 ESWL 命当中叛将有很大的潜力，因为我们估计数值采用 U-Net 一台自学管控 ESWL 和有缺陷震波的总总计可以将无线电管控的命当中叛将从 55.2% 大幅提高到 75.3%，最终使切除对病人愈来愈安全。估计数值命当中叛将的方式也有几个允许和缺陷。首先，评注者（一名社会工作）在磁共振三幅片注记述上都依赖于专业学问；其次，由于三幅片分辨叛将较高，根本无依此未确定石子的确切分界，这是我们在评注流程当中巧遇的一个不可忽视解决办依此。由于可调-照相仪系统设计本身的总质值以及在震波发射成功期则有可调须要缩回，因此分辨叛将较较高。未有来的的产品似乎是将置之不理前认知科学断层照相 (CT) 三幅片与磁共振三幅片配准，这似乎都会使评注者愈来愈快通过建议病变相较肺脏的位置来完成正确地的评注。 另一个解决办依此是我们滤波的磁共振三幅片来自治疗依此的前 5 分钟。在治疗依此流程当中，病变随之破碎，因此愈来愈为愈来愈难识别系统设计（对于凹凸也是如此），因此我们采用的样品不能都有整个治疗依此流程。然而，当结宝愈来愈为根本难以识别系统设计时，它与我们的分析方依此无关，因为评注者难以未确定结宝究竟在侧重上。病人彼此则有的估计数值命当中叛将呈基本特征函数，声称它们有着都有性。我们将震波击当中定义为病变和 FZ 彼此则有 50% 的交错似乎不是最佳的，因为内侧击当中也似乎加剧碎裂，从而加剧对击当中叛将的远超过。当我们考虑到病人 1、3 和 9 时，似乎都会引入偏差，因为他们的病变在磁共振上依赖于可见性。对于无线电管控的 ESWL，无线电也难以通过磁共振聚焦他们的病变，因此并不需要经常性完成凹凸。因此，无线电对结宝同步位置的管控较少，并且似乎都会大花愈来愈多的整整失焦。如果或多或少这些病人的三幅片，无线电管控的命当中叛将似乎都会被孝然。该线性的受训和精确度证明也有一些局限性和缺陷。该线性在没由第二个没专业学问的观测者评注的十字多多的总计据上完成了受训和证明。因此，受训集似乎相关联；也感染性病变，允许了线性正确地自学病变的潜力。一些受训和证明评注是对根本难以识别系统设计病变的磁共振三幅片（还包括病人 1、3 和 9）完成的，增高了；也感染性病变的概叛将。

该线性至少对来自 11 名病人的 57 张三幅片完成了受训。受训集孝然不足以优本土化线性解毒，如果还包括愈来愈多病人并且有专业学问的放射科眼科医生采用 CT 提供吻合的评注，则该线性有着孝着的改进潜力。与估计数值无线电管控的命当中叛将一样，交错估计数值也是精确度证明当中的一个解决办依此。证明集由一名社会工作评注，他通过对病变和 FZ 交错的半主观视觉指标来指标病变究竟在侧重上。相比之下，该线性是在描绘病变的三幅片上完成受训的。当手工标示出病变内侧时，认知科学软件可以比全人类视觉指标交错愈来愈吻合地算出病变和 FZ 交错。因此，尽管证明集评注缓冲器和线性似乎在证明集三幅片当中的病变位置上相异，但他们似乎都会估计数值完全相同某种程度的石子-FZ 交错，从而加剧对病变究竟在侧重上的矛盾。这相比之下与 FZ 内接近 50% 的结宝有关。在这些情况下，即使交错估计数值的或多或少相异也似乎阻碍“侧重”与“侧重”的不得不。这加剧叙述线性精确度的指标存有愈来愈多不未确定性。 采用两个完全相同的没专业学问的评注缓冲器有一些额则有的缺陷。该线性首先知晓其当中一个评注者将什么注记述为病变，然后根据另一个评注者将什么注记述为病变完成证明。这里的一个解决办依此是观测者则有的可变性，我们证实这一点很不可忽视：两个评注缓冲器的比较孝示不匹配叛将为 37.5%。这；也定该线性永远不都会在证明集上完美运行，因为受训集和证明集的评注者在石子分界的定义上存有矛盾。事实上，考虑观测者则有的可变性而不是只采用一个观测者增强了我们的指标的信心，声称该线性有着病变灵活性。 如果该线性在识别系统设计病变上都愈来愈为要强证明集评注缓冲器，则指标将远超过线性的精确度。为了查看线性的发挥究竟明孝要强暗示的指标，我们目视健康检查了几个线性分析方依此病变的磁共振截图，并在受训集当中采用的相异类型的评注上证明了受训线性。在查看结果后，该线性明孝要强证明集评注的思路被愿意了。 我们讨论了处理线性未有证明到病变的帧，就像线性年度报告病变“失焦”一样。除了精确度降较高（51.2%）则有，这将加剧所有 AI 精确度参总计的改进。最数值得注意的是，我们看到吻合度大幅提高到 67.0%，特异性大幅提高到 83.0%，Youden's J 汇总值大幅提高到 34.2%。以这种方式也分析方依此总计据的论点是，未有证明到的病变不都会被射当中，从而降较高了治疗依此并发症的风险。即使如此，我们选择不这样动手，因为我们难以管控线性未有证明到石子的帧究竟有石子，这都会加剧线性的灵活性被孝然。此则有，它不都会阻碍PPV，PPV可以话说是分析方依此计划当前状态下线性精确度时最不可忽视的参总计。 我们必须未确定三项研究工作，估计数值 ESWL 命当中叛将在 40% 到 60% 彼此则有。与其他研究工作相比，估计数值的 55.2% 的命当中叛将西北面较高的在世界上，但广泛的 95% CI (43.2-67.3%) 与他们的观察结果极为吻合。命当中叛将和小样品值的完全相同定义允许了这些研究工作的连续性。 迄今为止，还没关于使用在磁共振三幅片当中聚焦移行系病变以完成 ESWL 治疗依此的 ML 线性的出版物。Singla 等人尝试在采用 RetinaNet 完成 ESWL 治疗依此期则有采用凹凸聚焦尿路病变，并采用完全相同的 ML 线性实现了 70% ± 10% 的精确度。

我们的线性可以通过在病变失焦时中止砾石机发射成功震波来实现。还可以添加类似于 Singla 等人 采用的线性来创建人一个同时采用磁共振和凹凸的方依此，这似乎都会进一步大幅提高对病变灵活性。早已声称，60-90 的治疗依此延时叛将消除最佳的无石叛将，但不该注意的是，该叛将是基于对完全相同恒定叛将的证明，无论病变究竟在侧重在世界上。当前的 ESWL 治疗依此程序每次治疗依此采用将近 3000-4000 次延时，命当中叛将为 50%，加剧将近 2000 次命当中。线性管控的 ESWL 似乎只并不需要 2000 次震波，从而增大治疗依此整整。事实上，可以增高震波叛将，这样当病变跨越侧重范围时，它就可以被多次击当中。我们小组先前未有发注记的研究工作结果声称，病变在麻醉完结时相对静止（三幅 5）。的网站性管控的 ESWL 当中可以好处地利用这一荷尔蒙事实，当病变在每次麻醉完结时静止在侧重在世界上时，震波以愈来愈高的速叛将发射成功。该线性考虑了整个肾像，而不至少至少是病变本身，因此线性管控的 ESWL 的另一个潜在某种某种程度是，当病变经常在两个磁共振上愈来愈为不明确时，可以在治疗依此流程的后期保持稳定命当中叛将和凹凸。在该线性在临床研究实践当中实施之前，不该对愈来愈多和愈来愈高总质值的评注完成受训和证明，极好由移行放射科眼科医生采用预处理 CT 的资讯完成受训和证明。受训集的标有也不该在几个完全相同的该机构完成，以大幅提高 ML 线性的众所周知灵活性。

Fig. 5Kragset 的三幅注记展示了一个呼吸短周期当中移行系病变的三维运动。每个点都有病变在特定整整点的位置。当点彼此则有的线很长时，运动就很大。麻醉完结时的点彼此极为接近，这；也定病变完全静止不动——这是瞄准病变的最佳整整每条。

Conclusions 5.

估计数值无线电管控的 ESWL 命当中叛将为 55.2%（95% CI 43.2–67.3%），这；也定将近一半的震波没击当中石子。线性管控的 ESWL 将命当中叛将大幅提高到约 75.3%，并使漏石的震波总总计增大了约 67.1%。结果声称，在好处的评注上受训和证明的 U-Net 一台自学将必须大幅提高 ESWL 的解毒。