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

背景 体之外核爆炸砾石奥义 (ESWL) 准备被更是昂贵和侵入性的内窥镜病人所改用。开发AI (AI) 加强型 ESWL，并天内据分析步骤学可以大大降低 ESWL 药用价值的吸引力。 结构设计、设置和参与者 二维超声波录像是在 ESWL 病人之前从放有录像采集装置的网络服务或超声波电子设备中都捕获。一名假定将 11 位病征的 23 212 张影像标示出为连拍或离焦。中都位命中都所部是通过借助于在病征水准上数值的。具 U-Net 指令集的频域神经因特网在 57 幅超声波影像上完成特训，这些影像描摹了来自同一病征的病症，并由第二位假定完成了编者。在第一个假定编者的超声波影像上次测试了 U-Net。用作九名病征的特训集、一名病征的的次测试集和一名病征的次测试集完成接合的次测试。结果测总量和千分之的系统性 数值了所述界定装置可靠性的经典举例来问道，以及对搜索算法则如何严重影响核爆炸命中都所部的估计值。结果 标准 ESWL 的中都位命中都所部为 55.2%（95% 置信区在在 [CI] 43.2–67.3%）。U-Net 的可靠性举例来问道是精准度 63.9%、精确度 56.0%、基因比如说达 74.7%、HIV计算倍天内 75.3%、同义计算倍天内 55.2%、Youden's J 千分之 30.7%、无电子邮件所部 58.0% 和 Cohen's κ 0.2931。该搜索算法则将误判总天内减缓了 67.1%。主要允许是这是一项仅有涉及 11 名病征的种概念的次测试天内据分析。论断 我们数值出的 ESWL 命中都所部为 55.2%（95% CI 43.2–67.3%），反对早期天内据分析的结果。我们仍然验证，仅有对 11 名病征完成特训的步骤学搜索算法则将命中都所部大大降低到 75.3%，并将失误减缓了 67.1%。当 U-Net 在更是多和更是高质总量的编者上完成特训时，可以所想更是高的结果。

总结 病症可以通过核爆炸来病人。脾脏的超声波扫描用以借助于机装置发出核爆炸，但核爆炸仍或许漏掉囊肿。我们用作AI来大大降低击毁都准备处理全过程的一块的精准性。关键词：体之外核爆炸砾石奥义，病症，AI，步骤学，神经因特网

Introduction .

尿石症是一种日益类似的癌症，给病征和医疗保健都放来了过重的负担。尿石症的患病所部在全世界以外各不并不相同，从 4% 到 20%。自 1980 年 Chaussy 等人媒体报道体之外核爆炸砾石奥义 (ESWL) 病人尿石症以来，它已成为最常用的病人方案。核爆炸砾石的能力也是 ESWL 的坚实，其药用价值取决于核爆炸碎片囊肿的能力也。ESWL、经皮肾镜取石奥义 (PCNL) 和腹水肾镜体检/与此相反肾内手奥义 (URS/RIRS) 是有病征的尿石症的主要病人选择 。其中都，ESWL 是侵入性之比、并发症最少的步骤则。一项为期 20 年的全世界天内据分析发现，URS/RIRS 的总病人份额增大了 17%，PCNL 始终保持不变，ESWL 减缓了 14.5%。另一项追查尿石症病人文献资料急遽的天内据分析比如说明，关于 URS/RIRS 和 PCNL 的论文分别增大了 171% 和 279%，而关于 ESWL 的论文减缓了 17%。ESWL 药用价值的大大降低无论如何就会降高再病人所部、手奥义室时在在段、需求、内窥镜电子设备的用作和并发症频发所部，从而清高着降高医疗保健成本。自数值机开端以来，人们一直希望结构设计并不需要与进立体化智能竞争的数值机。这是通过模仿进立体化心理动态来借助于的，这一种概念被叫动手AI (AI)。步骤学 (ML) 是一种通过潜能修习的AI [12]。仍然开发并次测试了几种用以尿路囊肿的非步骤学搜索算法则，但没有人一种搜索算法则在临床实践中都得不到相当多使用。仍然验证，ML 搜索算法则在影像的系统性特别的比如说现比起临床医生 。在监督修习中都，搜索算法则被等同于上面天内据，例如有囊肿和没有人囊肿的脾脏的超声波影像，以特训它区分“囊肿”影像和“无囊肿”影像。深受生物神经继电器启发的风行 ML 搜索算法则有数人工神经因特网 (NN)（布 1A）。NN 中都的第一层叫动手重定向层，其起到是将许多现代重定向天内据分派到下一层 。编码装置层将重定向修改为整个因特网的最后编码装置，在我们的请注意中都立即影像究竟都有泌尿系囊肿。在重定向层和编码装置层两者之在在有“黑影”层，这些层由均值均是由，可以讲师处理全过程繁复弊端。相连和层的结构种概念了 NN 的指令集。

Fig. 1

(A) 简单神经因特网指令集请注意，有数具两个端口的重定向层、具三个端口的黑影层和具两个端口的编码装置层。用作 Inkscape 创建者。(B) 所述不必要匹配的布。特训全过程中都特训数值大大变小，如果静态特训时在在段足够长，最后数值为零。当过匹配开始时，的次测试误判将开始增大，因为静态的泛立体化能力也日益差。最佳暂停时在在段是的次测试曲线或上的最高点。基于 Tretyakov的示意布。(C) 来自 Yani 等人整体知识对等作序 3.0 许可证）的影像清高示最大者池立体化和百分比池立体化对重定向完成下量立体化。在最大者池立体化中都，重定向被分成几之外，每个之外的最高倍天内问道明编码装置。在百分比池立体化中都，每个之外的百分比倍天内问道明了编码装置。NN 特训有时候用作最佳立体化装置来借助于，该最佳立体化装置目的通过反向传扬来之比立体化人员伤亡函天内。人员伤亡函天内的起到是衡总量搜索算法则对给定天内据利用计算机的能力也（例如，辨认病症），其倍天内用以更是新因特网均值以之比立体化数值。为了天内据分析 NN 的以下几点，无论如何用作与用以特训的天内据完全相同的天内据对其完成的次测试。在特训之前追踪的次测试人员伤亡：随着因特网的小型立体化，的次测试数值随着特训数值而变小。然而，特训全过程中都的一个类似弊端是不必要匹配（布 1B），这有时候是静态记忆特训天内据的结果 [19]。结果是一个静态没有人修习可泛立体化的形态，有时候通过的次测试人员伤亡的发散来辨认。为了以防这种情况下，使用了完全相同的特训策略，例如提在此之前暂停和特例立体化。更是最主要的是，在特训全过程此后需要并用作第三个独立天内据集，有时候叫动手次测试集。次测试集用以衡总量因特网解决不可见独立天内据护航的能力也。频域神经因特网 (CNN) 是繁复影像的系统性的首选 [20]。构建 CNN 是为了首先辨认高繁复度的形态，然后在更是深的层中都认出更是高繁复度的形态 [20]。频域可用辨认重定向的整体形态（例如，同方向圆形）并问道明叫动手形态布的编码装置。池立体化可用然后对形态布完成下量立体化（降高对比度）以减缓在此此后可用中都对数值能力也的需求。最常用的两种池立体化可用是最大者池立体化和百分比池立体化，如布 1C 示意布。当搜索算法则对影像完成切分时，它就会将其划分为句法对象 [20]，例如确认影像的哪一之外描摹了泌尿系囊肿 [16]。仍然为切分目的构建了完全相同的 CNN，其中都一个例子是 U-Net [20]。U-Net 的第一个并存期是下量立体化，其中都频域层辨认影像形态，而最大者池立体化测度对形态布完成下量立体化。在最后一个并存期，即上量立体化，形态布通过上量立体化测度完成上量立体化，并与来自下量立体化并存期的非对称形态布的副本相结合 [20]。通过这些接合相连，可以延续高对比度形态，如布 2 示意布。

Fig. 2

Ronneberger 等人 创建者的许多现代 U-Net 指令集。蓝色矩形代比如说形态布，而白色矩形代比如说通过接合相连复制的形态布。箭头比如说示测度（浅蓝色和浅蓝色 = 频域；灰色 = 接合相连；黑色 = 最大者池立体化；粉红色 = 上量立体化）。

Patients and methods 2.

的系统性二维超声波影像以估计值无线或电高度临近的 ESWL 的命中都所部并次测试 U-Net 可靠性。为了获得影像，将帧采集装置相连到 ESWL 机装置（PiezoLith 3000，Richard Wolf GmbH，Knittlingen，Germany），用以在 ESWL 之前捕获网络服务或可实现超声波影像。每个录像的弧度为 30 分钟，随机选择 5 分钟的录像核苷酸完成编者。编者者提炼超声波体检以将每个帧上面为当囊肿东南面关注点周围 (FZ) 时“催生”或当囊肿都是 FZ 中都时“失焦”（布 3A）。这个全过程是用作编者辅助工具完成的（布 3B）。由于囊肿有时候在 FZ 内或 FZ 之外紧接著至少两个帧，因此通过仅有上面帧在在隔的并存点来简立体化编者全过程。例如，如果第一帧被上面为连拍，并且在第十帧中都频发了离焦的并存，那么从开始到第十帧的所有帧都被分类为连拍。

Fig. 3

(A) 静态追查报告囊肿坐落关注点的软件的系统请注意，因为 ≥50% 的计算囊肿（黑色）在关注点周围（黄色）内。(B) 编者辅助工具的屏幕截布。放有十字准线或的超声波录像清高示在右侧，滑块用以浏览帧。要编者帧，编者者单击“选择要编者的帧”并选择将帧上面为“关注点”或“失焦”。如果囊肿在此帧中都东南面关注点，则编者者然后继续录像并暂停上面囊肿失焦的第一帧。这两个ID两者之在在的帧就会自动上面为“关注点”。粉红色和黑色矩形代比如说编者者上面的帧。在编者全过程中都，我们发现一些囊肿在超声波影像中都不可见，并且这些病征（病例 1、3 和 9）未能有数在无线或电高度临近的 ESWL 的命中都所部的系统性中都。共同样编者了 731 帧，加剧共 23 212 帧。由于超声波电子设备每秒捕获15 帧，我们最后得不到了 26 分钟的放编者的超声波录像，代比如说每位病征的百分比时在在段为 3.2 分钟。此之外，第二个编者者在给定软件的系统中都为所有病征描摹了脾脏和病症。这加剧了来自共 57 张影像的脾脏和病症的二元掩码。为了在病症切分中都次测试标准的 U-Net 频域因特网，它用作描摹的影像完成特训。为了特训和的次测试因特网，我们发放了脾脏和病症的编者。上面脾脏为搜索算法则发放了一个举例来说或有关囊肿无论如何在哪里的上下文电子邮件，因为在整个病人全过程中都，病症大致始终保持在脾脏内部的并不相同后方。我们完成了基于病征的接合的次测试。通过对来自 9 名病征的帧完成特训并在来自一名病征的帧上完成的次测试，共创建者了 11 个静态。在这 11 个静态中都，有 8 个在并不相同的 23 212 个帧上完成了次测试，这些帧在 8 名病征中都标示出为“连拍”或“失焦”。追查的第一个结果是无线或电高度临近 ESWL ，以 90 激光/分钟的快速紧接著试射的命中都所部。命中都所部是指碎片囊肿的核爆炸的百分比，在本天内据分析中都种概念为至少 50% 的囊肿在 FZ 中都的击球。为了数值这个，我们需要其实在一定天内总量的帧中都囊肿催生的帧天内。每个帧由一名假定手动分配一个 0（失焦）或 1（关注点）ID，ID的千分之问道明了囊肿在 FZ 中都的帧天内。用作 R 生存环境完成千分之编程 (www.r-project.org)，用作偏移校正和快速自举法则估计值每个病征的中都位命中都所部，具 95% 的置信区在在 (CI)，以分析高于体检的结果的稳健性估计值。通过在 SPSS 中都生成直方布、箱子线或布和正态 Q-Q 布，并通过监督 Shapiro-Wilk 体检和峰态和偏度的系统性来体检病征的命中都所之外布。手动监督匹配优度的 χ2 体检以确认命中都所部究竟均匀栖息于并最后立即分割究竟合适。p 倍天内

为了估计值 U-Net 搜索算法则的可靠性，将天内据重定向 R 以创建者混用线或性（比如说 1），其中都的整体自始实情况下是编者天内据。搜索算法则未能体检到一块的帧不都有在混用线或性中都。然后用作 R 来数值界定静态可靠性的经典举例来问道：精准性、敏感性、基因比如说达、HIV计算倍天内 (PPV)、同义计算倍天内 (NPV)、风行所部、检出所部、体检风行所部、抵消精准度、Youden's J 千分之总量、无电子邮件所部和 Cohen 的 κ。比如说 2 中都发放了对这些倍天内的理解。然后，我们通过将标示出为关注点的帧天内乘以自始HIV天内来估计值 U-Net 高度临近的 ESWL 相比较无线或电高度临近的 ESWL 的病人时在在段。通过将相对处理全过程时在在段倍天内自始同义天内，再乘以编者为失焦的帧天内，我们估计值了 U-Net 将如何严重影响误判天内。给定 90/min 的核爆炸速所部，数值无线或电高度临近的 ESWL 和 U-Net 高度临近的 ESWL 的每分钟命中都天内。通过对 R 中都 5000 个帧体检完成偏移校正和快速借助于，数值每位病征的中都位命中都所部和 95% CI（比如说 3）。比如说格1 在混用线或性中都组织起来的混用线或性结构设计和次测试天内据（编者为催生或失焦的影像）

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

所述界定装置可靠性的最最主要千分之天内据概述

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

通过自举法则估计值的每位病征的无线或电高度临近的体之外核爆炸砾石奥义的中都位命中都所部

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.

经周围委员就会分析后，获得用作从病征记录下载的匿名超声波录像的书面许可证（参考注册号 2014/2261）。

Results 3.

病征的命中都所部呈对天内，如布 4A-D 示意布。这得不到了偏度 (z = −0.005) 和峰度 (z = 1.73) 的的系统性以及 Shapiro-Wilk 体检 (p> 0.05) 的反对。然后手动监督 χ2 匹配优度体检，然后在 R 中都完成高度临近。通过将该病征的总帧天内倍天内分割百分比命中都所部 (50.12%) 来数值每个病征的考虑到命中都所部。具七个自由度的 χ2 倍天内为 927.4，p 倍天内

Open in a separate window

Fig. 4

(A) 无线或电高度临近的体之外核爆炸砾石奥义 (ESWL) 的命中都所部直方布。该栖息于值得忽略对天内，尽管具一定往往的峰度。然而，峰态 z 倍天内在千分之上却是清高着。(B) 无线或电高度临近的 ESWL（x 轴）的命中都所部（y 轴）的箱子线或布，清高示与对天内一致的比较简单非对称栖息于。病征 10 和 11 是所致倍天内。(C) 无线或电高度临近的 ESWL 命中都所部的长时在在 Q-Q 布。这些点远处线或，这有时候比如说示对天内。尽管如此，点如何围绕线或组织起来或许共存一种急遽，这比如说明栖息于显然或许却是长时在在。(D) 命中都所部第 95 个百分位的收敛。随着借助于迭代次天内的增大，两个紧接著倍天内两者之在在的相对差异趋于零。只能从取而代之的 8 个体检中都提炼 6435 个完全相同的体检。这允许了我们可以借助于的体检天内总量，因为增大借助于体检的天内总量就会增大多次提炼并不相同体检的或许性。为了认出最佳的 bootstrap 体检天内总量，我们探求了需要多少个 bootstrap 体检才能平稳第 95 个百分位天内。这清高示在示意布中都，x 轴上是自举体检的天内总量，y 轴上是第 95 个百分位天内的变立体化。很明清高，在2000-3000个体检的bootstrapping后变立体化

该搜索算法则很难在 20.6% 的帧中都认出一块，因此它们没有人都有在的系统性中都。对于剩余的 18 440 帧，数值了计算的一块周围和 FZ 两者之在在的相异往往。≥50% 的相异被认为是“关注点”。用作编者装置作为整体自始实情况下将次测试结果组织起来在 R 中都的混用线或性中都，并数值可靠性（比如说 1）。该搜索算法则发现 58.0%（以下几点）的帧有关注点囊肿（比如说 4）。该搜索算法则的精准所部为 63.9%，这反之亦然它正确地将 63.9% 的帧界定为“连拍”或“失焦”。在囊肿催生的帧中都，搜索算法则并不需要将据估计一半分类为“催生”，因为精确度为 56.0%。该搜索算法则更是拿手对“失焦”的囊肿完成界定，基因比如说达为 74.7%。PPV（搜索算法则正确界定为“连拍”的帧天内）为 75.3%，NPV（搜索算法则正确界定为“失焦”的帧天内）为 55.2%。比如说，如果砾石机根据搜索算法则试射核爆炸，则 PPV 对应于命中都所部。检出所部为 32.5%，而检出所部要高得多，为 43.1%，比如说明共存大总量误报（当一块显然“失焦”时，AI 将帧界定为“连拍”）。Youden's J 千分之总量为 30.7%（标准：>0），Cohen's κ 为 0.2931（标准：>0），无电子邮件所部为 58.0%（高于精准所部），搜索算法则可靠性比起随机猜测究竟囊肿在关注点内或关注点之外，比如说明它可以正确超声波影像中都的病症。相比较反向高度临近的 ESWL，病人时在在段为 1.94 (11 633/5 987)，而误可用所部为反向高度临近的 ESWL 的 32.9% ([1.94 × 1961]/[23 212 – 11 633])。无线或电高度临近的 ESWL 每分钟击石 45 次 (90/min × 11 633/23 212)，而 U-Net 高度临近的 ESWL 每分钟击石 23 次 (90/min × 5987/23 212)。

Table 4

在编者为连拍或离焦的超声波影像上次测试时，U-Net 静态的数值可靠性千分之天内据

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.

天内据分析结果清高示，最佳立体化 ESWL 命中都所部有相当大的吸引力，因为我们估计值用作 U-Net 神经因特网高度临近 ESWL 和缺少核爆炸的总天内可以将无线或电高度临近的命中都所部从 55.2% 大大降低到 75.3%，最后使手奥义对病征更是安全。估计值命中都所部的方式有几个允许和缺陷。首先，编者者（一名大学生）在超声波影像理解特别欠缺潜能；其次，由于影像对比度高，很难确认一块的确切界线，这是我们在编者全过程中都遇到的一个最主要弊端。由于暗室-扫描仪的系统本身的质总量以及在核爆炸试射之前暗室才会缩回，因此对比度较差。未能来的解决方案或许是将施加压力在此之前数值机断层扫描 (CT) 影像与超声波影像配准，这或许就会使编者者更是容易通过建议囊肿相比较脾脏的后方来完成正确的编者。 另一个弊端是我们量立体化的超声波影像来自病人的在此之前 5 分钟。在病人全过程中都，囊肿逐渐支离破碎，因此或许更是难辨认（对于明暗也是如此），因此我们用作的体检很难代比如说整个病人全过程。然而，当结宝或许很难辨认时，它与我们的的系统性比如说，因为编者者很难确认结宝究竟在关注点上。病征两者之在在的估计值命中都所部呈对天内，比如说明它们具代比如说性。我们将核爆炸击毁都种概念为囊肿和 FZ 两者之在在 50% 的相异或许不是最佳的，因为向之外击毁都也或许加剧碎裂，从而加剧对击毁都所部的偏高。当我们排除病征 1、3 和 9 时，或许就会导入偏移，因为他们的囊肿在超声波上欠缺可见性。对于无线或电高度临近的 ESWL，无线或电也很难通过超声波适配他们的囊肿，因此需要除此以外完成明暗。因此，无线或电对结宝可实现后方的高度临近较少，并且或许就会小花更是多的时在在段失焦。如果比如说这些病征的影像，无线或电高度临近的命中都所部或许就会被偏高。该搜索算法则的特训和可靠性次测试也有一些或许和缺陷。该搜索算法则在没有人由第二个没有人潜能的假定编者的十字准线或的天内据上完成了特训和的次测试。因此，特训集或许都有假HIV囊肿，允许了搜索算法则正确修习囊肿的吸引力。一些特训和的次测试编者是对很难辨认囊肿的超声波影像（有数病征 1、3 和 9）完成的，增大了假HIV囊肿的均倍天内。

该搜索算法则仅有对来自 11 名病征的 57 张影像完成了特训。特训集清高然不足以最佳立体化搜索算法则药用价值，如果有数更是多病征并且有潜能的放射科医生用作 CT 发放精准的编者，则该搜索算法则具清高着的小型立体化吸引力。与估计值无线或电高度临近的命中都所部一样，相异估计值也是可靠性次测试中都的一个弊端。次测试集由一名大学生编者，他通过对囊肿和 FZ 相异的半主观美感分析来分析囊肿究竟在关注点上。相比较，该搜索算法则是在描摹囊肿的影像上完成特训的。当布料上面囊肿向之外时，数值机软件可以比进立体化美感分析相异更是精准地数值囊肿和 FZ 相异。因此，尽管次测试集编者装置和搜索算法则或许在次测试集影像中都的囊肿后方上完全相同，但他们或许就会估计值完全相同往往的一块-FZ 相异，从而加剧对囊肿究竟在关注点上的产生分歧。这尤其与 FZ 内相对于 50% 的结宝有关。在这些情况下下，即使相异估计值的或多或少差异也或许严重影响“催生”与“催生”的立即。这加剧所述搜索算法则可靠性的举例来问道共存更是多不确认性。 用作两个完全相同的没有人潜能的编者装置有一些额之外的缺陷。该搜索算法则首先了解其中都一个编者者将什么理解为囊肿，然后根据另一个编者者将什么理解为囊肿完成次测试。这里的一个弊端是假定在在的可变性，我们声称这一点很最主要：两个编者装置的比较清高示不匹配所部为 37.5%。这反之亦然该搜索算法则永远不就会在次测试集上单纯运行，因为特训集和次测试集的编者者在一块界线的种概念上共存产生分歧。自始实情况下上，考虑假定在在的可变性而不是只用作一个假定加强了我们的举例来问道的信心，比如说明该搜索算法则具囊肿能力也。 如果该搜索算法则在辨认囊肿特别或许比起次测试集编者装置，则举例来问道将偏高搜索算法则的可靠性。为了查阅搜索算法则的比如说现究竟明清高比起暗示的举例来问道，我们飞行中体检了几个搜索算法则计算囊肿的超声波录像，并在特训临近都用作的并不相同一般来问道的编者上次测试了特训搜索算法则。在查阅结果后，该搜索算法则明清高比起次测试集编者的想法则被不愿了。 我们讨论了处理全过程搜索算法则未能体检到囊肿的帧，就像搜索算法则追查报告囊肿“失焦”一样。除了精确度降高（51.2%）之外，这将加剧所有 AI 可靠性参天内的小型立体化。最倍天内得忽略的是，我们忽略到精准度大大降低到 67.0%，基因比如说达大大降低到 83.0%，Youden's J 千分之总量大大降低到 34.2%。以这种方式的系统性天内据的论点是，未能体检到的囊肿不就会被射中都，从而降高了病人并发症的风险。正因如此，我们选择不这样动手，因为我们很难高度临近搜索算法则未能体检到一块的帧究竟有一块，这就会加剧搜索算法则的能力也被偏高。此之外，它不就会严重影响PPV，PPV可以问道是的系统性工程项目当在此之前状态下搜索算法则可靠性时最最主要的参天内。 我们并不需要确认三项天内据分析，估计值 ESWL 命中都所部在 40% 到 60% 两者之在在。与其他天内据分析相比，估计值的 55.2% 的命中都所部东南面较差的以外，但相当多的 95% CI (43.2-67.3%) 与他们的观察结果更为吻合。命中都所部和小体检总量的完全相同种概念允许了这些天内据分析的以下几点。 迄今为止，还没有人关于用以在超声波影像中都适配泌尿系囊肿以完成 ESWL 病人的 ML 搜索算法则的出版物。Singla 等人尝试在用作 RetinaNet 完成 ESWL 病人之前用作明暗适配尿路囊肿，并用作完全相同的 ML 搜索算法则借助于了 70% ± 10% 的精度。

我们的搜索算法则可以通过在囊肿失焦时暂停砾石机试射核爆炸来借助于。还可以加进值得忽略 Singla 等人 用作的搜索算法则来创建者一个同时用作超声波和明暗的步骤则，这或许就会进一步大大降低对囊肿能力也。仍然比如说明，60-90 的病人激光所部产生最佳的无石所部，但无论如何忽略的是，该所部是基于对完全相同恒定所部的次测试，无论囊肿究竟在关注点周围内。当在此之前的 ESWL 病人程序每次病人用作据估计 3000-4000 次激光，命中都所部为 50%，加剧据估计 2000 次命中都。搜索算法则高度临近的 ESWL 或许只需要 2000 次核爆炸，从而减缓病人时在在段。自始实情况下上，可以增大核爆炸所部，这样当囊肿绕过关注点周围时，它就可以被多次击毁都。我们小组先在此之前未能发比如说的天内据分析结果清高示，囊肿在麻醉中止时相对惯性（布 5）。在搜索算法则高度临近的 ESWL 中都可以更是高地利用这一生理自始实情况下，当囊肿在每次麻醉中止时惯性在关注点周围内时，核爆炸以更是高的速所部试射。该搜索算法则考虑了整个肾像，而不仅有仅有是囊肿本身，因此搜索算法则高度临近的 ESWL 的另一个潜在好处是，当囊肿经常在两个超声波上或许不清楚时，可以在病人全过程的末期始终保持命中都所部和明暗。在该搜索算法则在临床实践中都实施之在此之前，无论如何对更是多和更是高质总量的编者完成特训和次测试，比较好由泌尿放射科医生用作程序中全过程 CT 的电子邮件完成特训和次测试。特训集的标示出也无论如何在几个完全相同的机构完成，以大大降低 ML 搜索算法则的泛立体化能力也。

Fig. 5Kragset 的示意布展示了一个呼吸周期中都泌尿系囊肿的三维青年运动。每个点代比如说囊肿在特定时在在段点的后方。当点两者之在在的线或很久时，青年运动就相当大。麻醉中止时的点彼此更为相对于，这反之亦然囊肿几乎惯性不动——这是瞄准囊肿的最佳时在在段在在隔。

Conclusions 5.

估计值无线或电高度临近的 ESWL 命中都所部为 55.2%（95% CI 43.2–67.3%），这反之亦然据估计一半的核爆炸没有人击毁都一块。搜索算法则高度临近的 ESWL 将命中都所部大大降低到约 75.3%，并使漏石的核爆炸总天内减缓了约 67.1%。结果清高示，在更是高的编者上特训和次测试的 U-Net 神经因特网将并不需要大大降低 ESWL 的药用价值。