人工智能在粘液冲击波碎石术中的应用

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

着重 灌注高热泥妖术 (ESWL) 即将被相当昂贵和筛查的内窥镜化疗所摒弃。开发人工智能种系统 (AI) 升级版 ESWL，并科学研究机械研读可以提升 ESWL 解毒的前瞻性。 其设计、新设和参与者 二维超音波录像是在 ESWL 化疗前夕从偷偷地有录像采集容器的因特网服务超音波电子设备当中猎捕。一名感知将 11 位病人的 23 212 张平面图片标上为变焦或离焦。当中位控球是通过便是在病人技术水平上计算出来的。兼具 U-Net 体系结构的时域数据分析在 57 幅超音波平面图片上顺利完成基础性训练，这些平面图片描绘出了来自同一病人的肾囊肿，并由第二位感知顺利完成了释义。在第一个感知释义的超音波平面图片上正确性了 U-Net。应运用于九名病人的基础性训练集、一名病人的正确性集和一名病人的正确性集顺利完成平行正确性。结果测使用量和人口统计深入科学研究 计算出来了描述形态学容器确保安全性的经典这两项，以及对搜索算通则如何阻碍高热控球的预估。结果 新标准 ESWL 的当中位控球为 55.2%（95% 置信区近 [CI] 43.2–67.3%）。U-Net 的种系统其设计是正确地度 63.9%、频数万人 56.0%、抗体 74.7%、感染性相符合 75.3%、构造性相符合 55.2%、Youden's J 人口统计 30.7%、无接收者数万人 58.0% 和 Cohen's κ 0.2931。该搜索算通则将缺失总为数减少了 67.1%。主要允许是这是一项均关乎 11 名病人的内涵正确性科学研究。实情 我们计算出来出的 ESWL 控球为 55.2%（95% CI 43.2–67.3%），赞成最初科学研究的结果。我们不太可能证明，均对 11 名病人顺利完成基础性训练的机械研读搜索算通则将控球提升到 75.3%，并将犯错减少了 67.1%。当 U-Net 在相当多和相当高质使用量的释义上顺利完成基础性训练时，可以盼望相当好的结果。

总结 肾囊肿可以通过高热来化疗。十二指肠的超音波扫描运用于便是机械发出高热，但高热仍有可能漏掉囊肿。我们应运用于人工智能种系统来提升击当中即将化解问题的石板的可靠性。网易：灌注高热泥妖术，肾囊肿，人工智能种系统，机械研读，数据分析

Introduction .

尿石症是一种更加常见的疾病，给病人和公共服务都促使了沉重的负荷。尿石症的患病数万人在全球范围内各不完全相同，从 4% 到 20%。自 1980 年 Chaussy 等人报道灌注高热泥妖术 (ESWL) 化疗尿石症以来，它已视为最特指的化疗促请。高热泥的技能是 ESWL 的基础性，其解毒取决于高热断裂囊肿的技能。ESWL、经皮肾镜取石妖术 (PCNL) 和输尿管肾镜检查/方向上肾内手妖术 (URS/RIRS) 是有疼痛的尿石症的主要化疗同样 。其当中，ESWL 是筛查最小、肝硬化最少的方通则。一项为时 20 年的全球科学研究发掘出，URS/RIRS 的总化疗百分比上升了 17%，PCNL 依然基本，ESWL 减少了 14.5%。另一项调查尿石症化疗史料渐进的科学研究同上明，关于 URS/RIRS 和 PCNL 的论文分别上升了 171% 和 279%，而关于 ESWL 的论文减少了 17%。ESWL 解毒的提升某种程度但会上升再次化疗数万人、手妖术室小时、需求、内窥镜电子设备的应运用于和肝硬化牵涉到数万人，从而纯着上升公共服务成本。自计算出来机诞生以来，人们一直希望其设计相当根本无法与有机体人工智能竞争的计算出来机。这是通过与众不同有机体认知功能来要用到的，这一内涵被叫作人工智能种系统 (AI)。机械研读 (ML) 是一种通过潜能研读的人工智能种系统 [12]。不太可能开发并正确性了几种运用于尿路囊肿的非机械研读搜索算通则，但没一种搜索算通则在药理学实践当中受益最常运用于。不太可能证明，ML 搜索算通则在平面图片深入科学研究上都的同上现很低药理学医生 。在监督研读当中，搜索算通则被赋予标记平面图同上，例如有囊肿和没囊肿的十二指肠的超音波平面图片，以基础性训练它辨别“囊肿”平面图片和“无囊肿”平面图片。受生物神经元直通圈启蒙的盛行 ML 搜索算通则除此以外人工数据分析 (NN)（平面图 1A）。NN 当中的第一层叫作转换层，其功用是将零碎转换平面图同上上交到下一层 。反转层将转换改动为整个因特网的事与愿违反转，在我们的解释器当中立即平面图片到底相关联泌尿系囊肿。在转换层和反转层近有“隐藏”层，这些层由权重组成，可以教授化解问题复杂问题。相互连接和层的结构下定义了 NN 的体系结构。

Fig. 1

(A) 简单数据分析体系结构解释器，除此以外兼具两个路由表的转换层、兼具三个路由表的隐藏层和兼具两个路由表的反转层。应运用于 Inkscape 建立。(B) 描述过度比如说的平面图。基础性训练配置过程当中基础性训练差值不断减少，如果基本内涵基础性训练小时够大宽，事与愿违差值为零。当过比如说开始时，正确性缺失将开始上升，因为基本内涵的一般化技能更加差。最佳停止小时是正确性曲直通上的最偏高点。基于 Tretyakov的粗略。(C) 来自 Yani 等人知识包涵所写 3.0 许可）的平面图片纯示最大者池化和将近池化对转换顺利完成下抽样。在最大者池化当中，转换被分成几大多，每个大多的最高数值注意到反转。在将近池化当中，每个大多的将近数值注意到了反转。NN 基础性训练不一定应运用于建模容器来要用到，该建模容器借以通过反转传播来最小化损失惨重函为数。损失惨重函为数的功用是使用量化搜索算通则对个数平面图同上建模的技能（例如，定位肾囊肿），其数值运用于相当新因特网权重以最小化差值。为了科学研究 NN 的特殊性，某种程度应运用于与运用于基础性训练的平面图同上多种不同的平面图同上对其顺利完成正确性。在基础性训练前夕监控正确性损失惨重：随着因特网的改良，正确性差值随着基础性训练差值而减少。然而，基础性训练配置过程当中的一个技术细节是过度比如说（平面图 1B），这不一定是基本内涵清醒基础性训练平面图同上的结果 [19]。结果是一个基本内涵没研读可一般化的构造，不一定通过正确性损失惨重的收敛来定位。为了防止这种情况，运用于了多种不同的基础性训练策略，例如提前停止和等价化。相当不可忽视的是，在基础性训练配置过程再次根本无法并应运用于第三个独立平面图同上集，不一定叫作正确性集。正确性集运用于使用量化因特网化解不可见独立平面图同上侦查的技能。时域数据分析 (CNN) 是复杂平面图片深入科学研究的数值得一提的是 [20]。相结合 CNN 是为了首先定位偏高复杂度的构造，然后在纯露出来的层当中寻觅相当高复杂度的构造 [20]。时域配置定位转换的也就是说构造（例如，直通或大圆）并注意到叫作构造平面图的反转。池化配置然后对构造平面图顺利完成下抽样（上升高分辨数万人）以减少后续配置当中对计算出来技能的需求。最特指的两种池化配置是最大者池化和将近池化，如平面图 1C 简述。当搜索算通则对平面图片顺利完成分割时，它但会将其界定为文法某类 [20]，例如断定平面图片的哪一大多描绘出了泌尿系囊肿 [16]。不太可能为分割目地相结合了多种不同的 CNN，其当中一个案例是 U-Net [20]。U-Net 的第一个阶段是下抽样，其当中时域层定位平面图片构造，而最大者池化实数对构造平面图顺利完成下抽样。在再次一个阶段，即上抽样，构造平面图通过上抽样实数顺利完成上抽样，并与来自下抽样阶段的对称构造平面图的副本相结合 [20]。通过这些平行相互连接，可以保留平面图片构造，如平面图 2 简述。

Fig. 2

Ronneberger 等人 建立的零碎 U-Net 体系结构。蓝色方形推选构造平面图，而白色方形推选通过平行相互连接复制的构造平面图。标记同上示实数（粉红色和红色 = 时域；粉粉红色 = 平行相互连接；粉红色 = 最大者池化；橙色 = 上抽样）。

Patients and methods 2.

深入科学研究二维超音波平面图片以预估配置者依靠的 ESWL 的控球并正确性 U-Net 确保安全性。为了获得平面图片，将帧采集容器相互连接到 ESWL 机械（PiezoLith 3000，Richard Wolf GmbH，Knittlingen，Germany），运用于在 ESWL 前夕猎捕因特网服务实时超音波平面图片。每个录像的宽度为 30 分钟，随机同样 5 分钟的录像序列顺利完成释义。释义者萃取超音波取样以将每个帧标记为当囊肿西北面关键点区域 (FZ) 时“看要用”或当囊肿不对 FZ 当中时“失焦”（平面图 3A）。这个配置过程是应运用于释义工具箱顺利完成的（平面图 3B）。由于囊肿不一定在 FZ 内或 FZ 外近十年将近两个帧，因此通过均标记帧近距的过渡性点来简化释义配置过程。例如，如果第一帧被标记为变焦，并且在第十帧当中牵涉到了离焦的过渡性，那么从开始到第十帧的所有帧都被列于为变焦。

Fig. 3

(A) 基本内涵通报囊肿位于关键点的也就是说解释器，因为 ≥50% 的实为设囊肿（粉红色）在关键点区域（红色）内。(B) 释义工具箱的屏幕截平面图。偷偷地有十字右端的超音波录像纯示在右侧，飞轮运用于浏览帧。要释义帧，释义者单击“同样要释义的帧”并同样将帧标记为“关键点”或“失焦”。如果囊肿在此帧当中西北面关键点，则释义者然后继续录像并停止标记囊肿失焦的第一帧。这两个字句近的帧但会自动标记为“关键点”。橙色和粉红色方形推选释义者标记的帧。在释义配置过程当中，我们发掘出一些囊肿在超音波平面图片当中不可见，并且这些病人（病例 1、3 和 9）并未除此以外在配置者依靠的 ESWL 的控球深入科学研究当中。合共同样释义了 731 帧，造成合共 23 212 帧。由于超音波电子设备每秒猎捕15 帧，我们事与愿违受益了 26 分钟的偷偷地释义的超音波录像，推选每位病人的将近小时为 3.2 分钟。此外，第二个释义者在任意也就是说当中为所有病人描绘出了十二指肠和肾囊肿。这造成了来自合共 57 张平面图片的十二指肠和肾囊肿的二元掩码。为了在肾囊肿分割当中正确性新标准的 U-Net 时域因特网，它应运用于描绘出的平面图片顺利完成基础性训练。为了基础性训练和正确性因特网，我们缺少了十二指肠和肾囊肿的释义。标记十二指肠为搜索算通则缺少了一个参照点或有关囊肿某种程度在哪里的等价表达式接收者，因为在整个化疗配置过程当中，肾囊肿大致依然在十二指肠内部的完全相同所在位置。我们顺利完成了基于病人的平行正确性。通过对来自 9 名病人的帧顺利完成基础性训练并在来自一名病人的帧上顺利完成正确性，合共建立了 11 个基本内涵。在这 11 个基本内涵当中，有 8 个在完全相同的 23 212 个帧上顺利完成了正确性，这些帧在 8 名病人当中标上为“变焦”或“失焦”。调查的第一个结果是配置者依靠 ESWL ，以 90 脉冲/分钟的加速近十年导弹的控球。控球是指断裂囊肿的高热的比数万人，在本科学研究当中下定义为将近 50% 的囊肿在 FZ 当中的发球。为了计算出来这个，我们根本无法知道在一定为存使用量的帧当中囊肿看要用的帧为数。每个帧由一名感知手动分配一个 0（失焦）或 1（关键点）字句，字句的总和注意到了囊肿在 FZ 当中的帧为数。应运用于 R 自然环境顺利完成人口统计编程 (www.r-project.org)，应运用于差值校对和慢速自举通则预估每个病人的当中位控球，兼具 95% 的置信区近 (CI)，以评量超出取样的结果的稳健性预估。通过在 SPSS 当中作运用于直方平面图、箱直通平面图和正态 Q-Q 平面图，并通过监督 Shapiro-Wilk 鉴定和峰态和偏度深入科学研究来检查病人的控球特有种。手动监督比如说优度的 χ2 鉴定以断定控球到底个数并事与愿违立即合并到底合适。p 数值

为了预估 U-Net 搜索算通则的确保安全性，将平面图同上转换 R 以建立联想矩阵（同上 1），其当中的也就是说实情是释义平面图同上。搜索算通则并未验证到石板的帧不相关联在联想矩阵当中。然后应运用于 R 来计算出来形态学基本内涵确保安全性的经典这两项：可靠性、持续性、抗体、感染性相符合 (PPV)、构造性相符合 (NPV)、盛行数万人、检出数万人、验证盛行数万人、最大限度正确地度、Youden's J 人口统计使用量、无接收者数万人和 Cohen 的 κ。同上 2 当中缺少了对这些数值的断言。然后，我们通过将标上为关键点的帧为数除以真感染性为数来预估 U-Net 依靠的 ESWL 比起于配置者依靠的 ESWL 的化疗小时。通过将比起化解问题小时减去真构造性为数，再次除以释义为失焦的帧为数，我们预估了 U-Net 将如何阻碍缺失为数。个数 90/min 的高热速数万人，计算出来配置者依靠的 ESWL 和 U-Net 依靠的 ESWL 的每分钟命当中为数。通过对 R 当中 5000 个帧取样顺利完成差值校对和慢速便是，计算出来每位病人的当中位控球和 95% CI（同上 3）。同上格1 在联想矩阵当中秘密组织的联想矩阵其设计和正确性平面图同上（释义为看要用或失焦的平面图片）

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

描述形态学容器确保安全性的极其不可忽视人口统计平面图同上概述

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

通过自举通则预估的每位病人的配置者依靠的灌注高热泥妖术的当中位控球

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.

经区域的委员但会评量后，获得应运用于从病人记录下载的其网站超音波录像的书面许可（参照代号 2014/2261）。

Results 3.

病人的控球宽方形随机变使用量，如平面图 4A-D 简述。这受益了偏度 (z = −0.005) 和峰度 (z = 1.73) 的深入科学研究以及 Shapiro-Wilk 鉴定 (p> 0.05) 的赞成。然后手动监督 χ2 比如说优度鉴定，然后在 R 当中顺利完成依靠。通过将该病人的总帧为数减去合并将近控球 (50.12%) 来计算出来每个病人的意味著控球。兼具七个自由度的 χ2 数值为 927.4，p 数值

Open in a separate window

Fig. 4

(A) 配置者依靠的灌注高热泥妖术 (ESWL) 的控球直方平面图。该特有种典型随机变使用量，尽管兼具一定总体的峰度。然而，峰态 z 数值在人口统计上相当纯着。(B) 配置者依靠的 ESWL（x 轴）的控球（y 轴）的箱直通平面图，纯示与随机变使用量一致的比如说对称特有种。病人 10 和 11 是异常数值。(C) 配置者依靠的 ESWL 控球的也就是说 Q-Q 平面图。这些点靠近直通，这不一定同上示随机变使用量。尽管如此，点如何围绕直通秘密组织似乎普遍存在一种渐进，这同上明特有种其实有可能相当也就是说。(D) 控球第 95 个百分位的取值。随着便是等价同上达式次为数的上升，两个近十年数值近的比起关联日趋零。根本无法从原来的 8 个取样当中萃取 6435 个多种不同的取样。这允许了我们可以便是的取样为存使用量，因为上升便是取样的为存使用量但会上升多次萃取完全相同取样的有可能性。为了寻觅最佳的 bootstrap 取样为存使用量，我们探索了根本无法多少个 bootstrap 取样才能不稳定的第 95 个百分位为数。这纯示在粗略当中，x 轴上是自举取样的为存使用量，y 轴上是第 95 个百分位为数的叠加。很明纯，在2000-3000个取样的bootstrapping后叠加

该搜索算通则无通则在 20.6% 的帧当中寻觅石板，因此它们没相关联在深入科学研究当中。对于剩的 18 440 帧，计算出来了实为设的石板区域和 FZ 近的相同总体。≥50% 的相同被视为是“关键点”。应运用于释义容器作为也就是说实情将正确性结果秘密组织在 R 当中的联想矩阵当中，并计算出来确保安全性（同上 1）。该搜索算通则发掘出 58.0%（特殊性）的帧有关键点囊肿（同上 4）。该搜索算通则的正确地度为 63.9%，这理论上它正确地将 63.9% 的帧形态学为“变焦”或“失焦”。在囊肿看要用的帧当中，搜索算通则相当根本无法将将近一半列于为“看要用”，因为频数万人为 56.0%。该搜索算通则相当擅于对“失焦”的囊肿顺利完成形态学，抗体为 74.7%。PPV（搜索算通则正确形态学为“变焦”的帧为数）为 75.3%，NPV（搜索算通则正确形态学为“失焦”的帧为数）为 55.2%。请注意，如果泥机根据搜索算通则导弹高热，则 PPV 相同于控球。检出数万人为 32.5%，而检出数万人要高得多，为 43.1%，同上明普遍存在大使用量误报（当石板其实“失焦”时，AI 将帧形态学为“变焦”）。Youden's J 人口统计使用量为 30.7%（新标准：>0），Cohen's κ 为 0.2931（新标准：>0），无接收者数万人为 58.0%（高于正确地度），搜索算通则确保安全性很低随机猜测到底囊肿在关键点内或关键点外，同上明它可以正确超音波平面图片当中的肾囊肿。比起于配置者依靠的 ESWL，化疗小时为 1.94 (11 633/5 987)，而误配置数万人为配置者依靠的 ESWL 的 32.9% ([1.94 × 1961]/[23 212 – 11 633])。配置者依靠的 ESWL 每分钟击石 45 次 (90/min × 11 633/23 212)，而 U-Net 依靠的 ESWL 每分钟击石 23 次 (90/min × 5987/23 212)。

Table 4

在释义为变焦或离焦的超音波平面图片上正确性时，U-Net 基本内涵的计算出来确保安全性人口统计平面图同上

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.

科学研究结果同上明，建模 ESWL 控球有很大的前瞻性，因为我们预估应运用于 U-Net 数据分析依靠 ESWL 和缺失高热的总为数可以将配置者依靠的控球从 55.2% 提升到 75.3%，事与愿违使手妖术对病人相当确保安全。预估控球的手段有几个允许和弱点。首先，释义者（一名医学生）在超音波平面图片断言上都忽视潜能；其次，由于平面图片高分辨数万人偏高，很难断定石板的具体边界，这是我们在释义配置过程当中遇到的一个不可忽视问题。由于等离子-扫描仪种系统本身的质使用量以及在高热导弹前夕等离子必需后背，因此高分辨数万人较偏高。并未来但会的化解促请有可能是将介入前计算出来机断层扫描 (CT) 平面图片与超音波平面图片配准，这有可能但会使释义者相当容易通过促请囊肿比起于十二指肠的所在位置来顺利完成正确的释义。 另一个问题是我们抽样的超音波平面图片来自化疗的前 5 分钟。在化疗配置过程当中，囊肿慢慢破碎，因此纯得相当难定位（对于明暗也是如此），因此我们应运用于的取样不能推选整个化疗配置过程。然而，当结宝纯得不能定位时，它与我们的深入科学研究无关，因为释义者无通则断定结宝到底在关键点上。病人近的预估控球宽方形随机变使用量，同上明它们兼具推选性。我们将高热击当中下定义为囊肿和 FZ 近 50% 的相同有可能不是最佳的，因为大块击当中也有可能造成碎裂，从而造成对击当中数万人的偏远超过。当我们排除病人 1、3 和 9 时，有可能但会引入差值，因为他们的囊肿在超音波上忽视可见性。对于配置者依靠的 ESWL，配置者也无通则通过超音波整合他们的囊肿，因此根本无法定期顺利完成明暗。因此，配置者对结宝实时所在位置的依靠较少，并且有可能但会大花相当多的小时失焦。如果无关这些病人的平面图片，配置者依靠的控球有可能但会被远超过。该搜索算通则的基础性训练和确保安全性正确性也有一些局限性和弱点。该搜索算通则在没由第二个没潜能的感知释义的十字右端的平面图同上上顺利完成了基础性训练和正确性。因此，基础性训练集有可能相关联实为感染性囊肿，允许了搜索算通则正确研读囊肿的前瞻性。一些基础性训练和正确性释义是对不能定位囊肿的超音波平面图片（除此以外病人 1、3 和 9）顺利完成的，上升了实为感染性囊肿的期望值。

该搜索算通则均对来自 11 名病人的 57 张平面图片顺利完成了基础性训练。基础性训练集纯然很难建模搜索算通则解毒，如果除此以外相当多病人并且有潜能的放射科医生应运用于 CT 缺少正确地的释义，则该搜索算通则兼具纯着的改良前瞻性。与预估配置者依靠的控球一样，相同预估也是确保安全性正确性当中的一个问题。正确性集由一名医学生释义，他通过对囊肿和 FZ 相同的半单纯影像评量来评量囊肿到底在关键点上。相比之下，该搜索算通则是在描绘出囊肿的平面图片上顺利完成基础性训练的。当手工标记囊肿大块时，计算出来机软件可以比有机体影像评量相同相当正确地地计算出来囊肿和 FZ 相同。因此，尽管正确性集释义容器和搜索算通则有可能在正确性集平面图片当中的囊肿所在位置上完全相同，但他们有可能但会预估多种不同总体的石板-FZ 相同，从而造成对囊肿到底在关键点上的分歧。这尤其与 FZ 内差不多 50% 的结宝有关。在这些完全，即使相同预估的微小关联也有可能阻碍“看要用”与“看要用”的立即。这造成描述搜索算通则确保安全性的这两项普遍存在相当多局限性。 应运用于两个多种不同的没潜能的释义容器有一些额外的弱点。该搜索算通则首先了解其当中一个释义者将什么断言为囊肿，然后根据另一个释义者将什么断言为囊肿顺利完成正确性。这里的一个问题是感知近的可变性，我们证实这一点很不可忽视：两个释义容器的比较纯示不匹配数万人为 37.5%。这理论上该搜索算通则忍耐不但会在正确性集上完美运行，因为基础性训练集和正确性集的释义者在石板边界的下定义上普遍存在分歧。实情上，回避感知近的可变性而不是只应运用于一个感知强化了我们的这两项的热诚，同上明该搜索算通则兼具囊肿技能。 如果该搜索算通则在定位囊肿上都纯得很低正确性集释义容器，则这两项将偏远超过搜索算通则的确保安全性。为了察看搜索算通则的同上现到底明纯很低暗示的这两项，我们飞行中检查了几个搜索算通则实为设囊肿的超音波录像，并在基础性训练集当中应运用于的完全相同类型的释义上正确性了基础性训练搜索算通则。在察看结果后，该搜索算通则明纯很低正确性集释义的想通则被拒绝了。 我们探讨了化解问题搜索算通则并未验证到囊肿的帧，就像搜索算通则通报囊肿“失焦”一样。除了频数万人上升（51.2%）外，这将造成所有 AI 确保安全性参为数的改良。最数值得注意的是，我们看到正确地度提升到 67.0%，抗体提升到 83.0%，Youden's J 人口统计使用量提升到 34.2%。以这种手段深入科学研究平面图同上的论点是，并未验证到的囊肿不但会被射当中，从而上升了化疗肝硬化的几数万人。正因如此，我们同样不这样要用，因为我们无通则依靠搜索算通则并未验证到石板的帧到底有石板，这但会造成搜索算通则的技能被远超过。此外，它不但会阻碍PPV，PPV可以说是深入科学研究建设项目这两项状态下搜索算通则确保安全性时极其不可忽视的参为数。 我们相当根本无法断定三项科学研究，预估 ESWL 控球在 40% 到 60% 近。与其他科学研究相比，预估的 55.2% 的控球西北面较高的范围内，但最常的 95% CI (43.2-67.3%) 与他们的观察结果相当吻合。控球和小取样使用量的多种不同下定义允许了这些科学研究的特殊性。 迄今为止，还没关于运用于在超音波平面图片当中整合泌尿系囊肿以顺利完成 ESWL 化疗的 ML 搜索算通则的出版物。Singla 等人尝试在应运用于 RetinaNet 顺利完成 ESWL 化疗前夕应运用于明暗整合尿路囊肿，并应运用于多种不同的 ML 搜索算通则要用到了 70% ± 10% 的精度。

我们的搜索算通则可以通过在囊肿失焦时停止泥机导弹高热来要用到。还可以添加典型 Singla 等人 应运用于的搜索算通则来建立一个同时应运用于超音波和明暗的方通则，这有可能但会进一步提升对囊肿技能。不太可能同上明，60-90 的化疗脉冲数万人产生最佳的无石数万人，但某种程度注意的是，该数万人是基于对多种不同比起于数万人的正确性，无论囊肿到底在关键点区域内。这两项的 ESWL 化疗程序每次化疗应运用于将近 3000-4000 次脉冲，控球为 50%，造成将近 2000 次命当中。搜索算通则依靠的 ESWL 有可能只根本无法 2000 次高热，从而减少化疗小时。实情上，可以上升高热数万人，这样当囊肿穿过关键点区域时，它就可以被多次击当中。我们小组先前并未发同上的科学研究结果同上明，囊肿在喉头在此之后时比起飞轮（平面图 5）。在搜索算通则依靠的 ESWL 当中可以相当好地利用这一环境因素实情，当囊肿在每次喉头在此之后时飞轮在关键点区域内时，高热以相当高的速数万人导弹。该搜索算通则回避了整个肾像，而不均均是囊肿本身，因此搜索算通则依靠的 ESWL 的另一个潜在好处是，当囊肿经常在两个超音波上纯得不可信时，可以在化疗配置过程的后期依然控球和明暗。在该搜索算通则在药理学实践当中拟定在此之后，某种程度对相当多和相当高质使用量的释义顺利完成基础性训练和正确性，比较好由泌尿放射科医生应运用于预化解问题 CT 的接收者顺利完成基础性训练和正确性。基础性训练集的标上也某种程度在几个多种不同的行政部门顺利完成，以提升 ML 搜索算通则的一般化技能。

Fig. 5Kragset 的粗略展出了一个呼吸周期当中泌尿系囊肿的三维革新运动。每个点推选囊肿在特定小时点的所在位置。当点近的直通推移时，革新运动就很大。喉头在此之后时的点彼此相当差不多，这理论上囊肿几乎相反——这是测距囊肿的最佳小时近距。

Conclusions 5.

预估配置者依靠的 ESWL 控球为 55.2%（95% CI 43.2–67.3%），这理论上将近一半的高热没击当中石板。搜索算通则依靠的 ESWL 将控球提升到平均 75.3%，并使漏石的高热总为数减少了平均 67.1%。结果同上明，在相当好的释义上基础性训练和正确性的 U-Net 数据分析将相当根本无法提升 ESWL 的解毒。