人工智能在灌注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

或多或较少 灌注核爆炸泥拳法则 (ESWL) 正试图被更加昂贵和筛查的内窥镜用药所取代。开发外观设计人工计算器 (AI) 增强型 ESWL，并研究者机容器自学可以提高 ESWL 消炎的实用价个将近。 外观设计、设置和其组织者 二维MRI图片是在 ESWL 用药后曾从区别于图片采集容器的离线或MRI装置中所捕捉到。一名旁观者将 11 位高血压的 23 212 张三幅像标示出为测光或离嫩。中所位胜数万人是通过借助在高血压总体上存量度的。很强 U-Net 相结合的时域人工智能在 57 幅MRI三幅像上进行时军事训练，这些三幅像刻画了来自同一高血压的大肠囊肿，并由第二位旁观者进行时了译文。在第一个旁观者译文的MRI三幅像上飞行测试了 U-Net。适用九名高血压的军事训练集、一名高血压的断定集和一名高血压的飞行测试集进行时交叉断定。结果测存量和统计学归纳 存量度了说明了分类法则容器效能的当代这两项，以及对新奇式如何影响核爆炸胜数万人的估算。结果 规格 ESWL 的中所位胜数万人为 55.2%（95% 无安全性 [CI] 43.2–67.3%）。U-Net 的效能这两项是精确度 63.9%、灵敏度 56.0%、依赖性 74.7%、感染性将近个将近 75.3%、单数将近个将近 55.2%、Youden's J 统计学 30.7%、无电子邮件数万人 58.0% 和 Cohen's κ 0.2931。该新奇式将偏反之亦然分之一增加了 67.1%。主要放宽是这是一项仅有相关 11 名高血压的概念断定研究者。推论 我们存量度出的 ESWL 胜数万人为 55.2%（95% CI 43.2–67.3%），赞同早期研究者的结果。我们从未断定，仅有对 11 名高血压进行时军事训练的机容器自学新奇式将胜数万人提高到 75.3%，并将失误增加了 67.1%。当 U-Net 在更加多和更加高质存量的译文上进行时军事训练时，可以期待更加好的结果。

总结 大肠囊肿可以通过核爆炸来用药。胰脏的MRI扫描使用借助机容器发出核爆炸，但核爆炸仍孝然漏掉囊肿。我们适用人工计算器来提高击伤所正试图处理方式的沙子的精确性。关键词：灌注核爆炸泥拳法则，大肠囊肿，人工计算器，机容器自学，人工智能

Introduction .

尿石症是一种更为罕见的性疾病，给高血压和公共卫生都随之而来了沉重的负担。尿石症的患病数万人在世界各地范围内各不不尽相同，从 4% 到 20%。自 1980 年 Chaussy 等人报道灌注核爆炸泥拳法则 (ESWL) 用药尿石症以来，它已成为最特指的用药方案。核爆炸泥的意志力是 ESWL 的基本上，其消炎取决于核爆炸撞击囊肿的意志力。ESWL、经皮大肠镜取石拳法则 (PCNL) 和输尿管大肠镜核对/长周期大肠内手拳法则 (URS/RIRS) 是有症状的尿石症的主要用药选取 。其中所，ESWL 是筛查最小、出血最较少的方法则。一项为时 20 年的世界各地研究者推测，URS/RIRS 的总用药比率增加了 17%，PCNL 保持原则上未变，ESWL 增加了 14.5%。另一项实地调查尿石症用药史籍21世纪的研究者说明，关于 URS/RIRS 和 PCNL 的论文分别增加了 171% 和 279%，而关于 ESWL 的论文增加了 17%。ESWL 消炎的提高确实都会增加便用药数万人、手拳法则室间隔时间、需求、内窥镜装置的适用和出血发生数万人，从而孝着增加公共卫生效益。自存量度机诞生以来，人们一直希望外观设计都能与本能计算器竞争的存量度机。这是通过模仿本能感知功能来付诸的，这一概念被统称人工计算器 (AI)。机容器自学 (ML) 是一种通过稍长处自学的人工计算器 [12]。从未开发外观设计并飞行测试了几种使用尿路囊肿的非机容器自学新奇式，但只能一种新奇式在临床实践中所给与广泛应用有别于。从未断定，ML 新奇式在三幅像归纳全面性的发挥强于临床外科医生 。在都由自学中所，新奇式被彰孝标示将近据，例如有囊肿和只能囊肿的胰脏的MRI三幅像，以军事训练它区分“囊肿”三幅像和“无囊肿”三幅像。不受脊椎动物神经回路新奇的广为人知 ML 新奇式涵盖程序语言 (NN)（三幅 1A）。NN 中所的第一层统称读取层，其主导作用是将零碎读取将近据试用到下一层 。控制器层将读取修改为整个网路的便一控制器，在我们的示例中所同意三幅像确实涵盖泌尿系统系囊肿。在读取层和控制器层彼此之间有“暗藏”层，这些层由值构成，可以客座教授处理方式简单疑虑。相连和层的结构并不一定了 NN 的相结合。

Fig. 1

(A) 简单人工智能相结合示例，涵盖很强两个端口的读取层、很强三个端口的暗藏层和很强两个端口的控制器层。适用 Inkscape 创设。(B) 说明了过度也就是说的三幅。军事训练全过程中所军事训练偏反之亦然不断增加，如果静态军事训练间隔时间充分稍长，便一偏反之亦然为零。当过也就是说开始时，断定偏反之亦然将开始增加，因为静态的比如说意志力更为反之亦然。最佳取消间隔时间是断定斜率或上的最较反之亦然点。基于 Tretyakov的三幅注记。(C) 来自 Yani 等人科学知识包括者署名 3.0 准许）的三幅像说明最主要池转化成和千分之池转化成对读取进行时下存量转化成。在最主要池转化成中所，读取被分开几之之外，每个之之外的最高个将近得出控制器。在千分之池转化成中所，每个之之外的千分之将近得出了控制器。NN 军事训练上会适用优转化成容器来付诸，该优转化成容器目的通过反向的传播来最小转化成重大损失函将近。重大损失函将近的主导作用是衡存量新奇式对可并不一定将近据仿真的意志力（例如，标识大肠囊肿），其个将近使用更加新网路值以最小转化成偏反之亦然。为了研究者 NN 的其本质，确实适用与使用军事训练的将近据相异的将近据对其进行时断定。在军事训练后曾追踪断定重大损失：随着网路的优化，断定偏反之亦然随着军事训练偏反之亦然而增加。然而，军事训练全过程中所的一个罕见疑虑是过度也就是说（三幅 1B），这上会是静态记忆军事训练将近据的结果 [19]。结果是一个静态只能自学可比如说的特性，上会通过断定重大损失的发散来标识。为了防止这种情况，有别于了相异的军事训练策略，例如提以前取消和同调转化成。更加不可或缺的是，在军事训练全过程便都能并适用第三个独立将近据集，上会统称飞行测试集。飞行测试集使用衡存量网路解决疑虑不可见独立将近据目标的意志力。时域人工智能 (CNN) 是简单三幅像归纳的首选 [20]。相结合 CNN 是为了首先标识较反之亦然简单度的特性，然后在无可避免的层中所找到更加高简单度的特性 [20]。时域操作者标识读取的基本上特性（例如，线或或圆）并得出统称特性三幅的控制器。池转化成操作者然后对特性三幅进行时下存量转化成（增加对比度）以增加更进一步操作者中所对存量度意志力的需求。最特指的两种池转化成操作者是最主要池转化成和千分之池转化成，如三幅 1C 简述。当新奇式对三幅像进行时分离时，它都会将其划分为正则表达式对象 [20]，例如确认三幅像的哪一之之外刻画了泌尿系统系囊肿 [16]。从未为分离目的相结合了相异的 CNN，其中所一个比如说是 U-Net [20]。U-Net 的第一个过渡到期是下存量转化成，其中所时域层标识三幅像特性，而最主要池转化成微分对特性三幅进行时下存量转化成。在终于一个过渡到期，即上存量转化成，特性三幅通过上存量转化成微分进行时上存量转化成，并与来自下存量转化成过渡到期的非对称特性三幅的副本相联结 [20]。通过这些交叉相连，可以保留高对比度特性，如三幅 2 简述。

Fig. 2

Ronneberger 等人 创设的零碎 U-Net 相结合。蓝色方形都有特性三幅，而白色方形都有通过交叉相连副本的特性三幅。箭头注记示微分（橘色和白色 = 时域；棕色 = 交叉相连；黑色 = 最主要池转化成；粉红色 = 上存量转化成）。

Patients and methods 2.

归纳二维MRI三幅像以估算可视掌控的 ESWL 的胜数万人并飞行测试 U-Net 效能。为了获得三幅像，将帧采集容器相连到 ESWL 机容器（PiezoLith 3000，Richard Wolf GmbH，Knittlingen，Germany），使用在 ESWL 后曾捕捉到离线或数据处理方式MRI三幅像。每个图片的稍长度为 30 分钟，随机选取 5 分钟的图片基因组进行时译文。译文者萃取MRI抽取以将每个帧标示为当囊肿属于关注点地区 (FZ) 时“导向”或当囊肿不在 FZ 中所时“失嫩”（三幅 3A）。这个全过程是适用译文工具进行时的（三幅 3B）。由于囊肿上会在 FZ 内或 FZ 之外周内超过两个帧，因此通过仅有标示帧间隔的过渡到点来简转化成译文全过程。例如，如果第一帧被标示为测光，并且在第十帧中所发生了离嫩的过渡到，那么从开始到第十帧的所有帧都被套用为测光。

Fig. 3

(A) 静态简报囊肿设于关注点的相结合示例，因为 ≥50% 的预测囊肿（黑色）在关注点地区（黄色）内。(B) 译文工具的屏幕截三幅。区别于十字都大或的MRI图片说明在右侧，滑块使用上传帧。要译文帧，译文者单击“选取要译文的帧”并选取将帧标示为“关注点”或“失嫩”。如果囊肿在此帧中所属于关注点，则译文者然后继续图片并取消标示囊肿失嫩的第一帧。这两个首页彼此之间的帧都会相应标示为“关注点”。粉红色和黑色方形都有译文者标示的帧。在译文全过程中所，我们推测一些囊肿在MRI三幅像中所不可见，并且这些高血压（确诊 1、3 和 9）尚未涵盖在可视掌控的 ESWL 的胜数万人归纳中所。共有直接译文了 731 帧，引致共有 23 212 帧。由于MRI装置每秒捕捉到15 帧，我们便一给与了 26 分钟的带译文的MRI图片，都有每位高血压的千分之间隔时间为 3.2 分钟。此之外，第二个译文者在任意相结合中所为所有高血压刻画了胰脏和大肠囊肿。这引致了来自共有 57 张三幅像的胰脏和大肠囊肿的二元掩码。为了在大肠囊肿分离中所飞行测试规格的 U-Net 时域网路，它适用刻画的三幅像进行时军事训练。为了军事训练和断定网路，我们包括了胰脏和大肠囊肿的译文。标示胰脏为新奇式包括了一个经验法则则或有关囊肿确实在哪里的正则表达式电子邮件，因为在整个用药全过程中所，大肠囊肿约略保持原则上在胰脏结构上的不尽相同一段距离。我们进行时了基于高血压的交叉断定。通过对来自 9 名高血压的帧进行时军事训练并在来自一名高血压的帧上进行时断定，共有创设了 11 个静态。在这 11 个静态中所，有 8 个在不尽相同的 23 212 个帧上进行时了飞行测试，这些帧在 8 名高血压中所标示出为“测光”或“失嫩”。实地调查的第一个结果是可视掌控 ESWL ，以 90 相位/分钟的速度周内点火的胜数万人。胜数万人是就是指撞击囊肿的核爆炸的百分比，在本研究者中所并不一定为超过 50% 的囊肿在 FZ 中所的击球。为了存量度这个，我们都能发觉在一定总将近的帧中所囊肿导向的帧将近。每个帧由一名旁观者手动分配一个 0（失嫩）或 1（关注点）首页，首页的多于得出了囊肿在 FZ 中所的帧将近。适用 R 生态系统进行时统计学程序员 (www.r-project.org)，适用不确认性修正和加快自举法则估算每个高血压的中所位胜数万人，很强 95% 的无安全性 (CI)，以归纳简报远超抽取的结果的稳健性估算。通过在 SPSS 中所生成直方三幅、箱子线或三幅和正态 Q-Q 三幅，并通过就是指派 Shapiro-Wilk 验和峰态和偏度归纳来核对高血压的胜数万人产于。手动就是指派也就是说优度的 χ2 验以确认胜数万人确实一维并便一同意合并确实更好。p 个将近

为了估算 U-Net 新奇式的效能，将将近据读取 R 以创设相混等价（注记 1），其中所的基本上看来是译文将近据。新奇式尚未检验到沙子的帧不涵盖在相混等价中所。然后适用 R 来存量度分类法则静态效能的当代这两项：精确性、持续性、依赖性、感染性将近个将近 (PPV)、单数将近个将近 (NPV)、广为人知数万人、检出数万人、检验广为人知数万人、均衡精确度、Youden's J 统计学存量、无电子邮件数万人和 Cohen 的 κ。注记 2 中所包括了对这些个将近的理解。然后，我们通过将标示出为关注点的帧将近除以真感染性将近来估算 U-Net 掌控的 ESWL 相对于可视掌控的 ESWL 的用药间隔时间。通过将相对处理方式间隔时间乘积真单数将近，便除以译文为失嫩的帧将近，我们估算了 U-Net 将如何影响偏反之亦然将近。可并不一定 90/min 的核爆炸速数万人，存量度可视掌控的 ESWL 和 U-Net 掌控的 ESWL 的每分钟击伤所将近。通过对 R 中所 5000 个帧抽取进行时不确认性修正和加快借助，存量度每位高血压的中所位胜数万人和 95% CI（注记 3）。图片1 在相混等价中所其组织的相混等价外观设计和飞行测试将近据（译文为导向或失嫩的三幅像）

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

说明了分类法则容器效能的不可或缺统计学将近据简述

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

通过自举法则估算的每位高血压的可视掌控的灌注核爆炸泥拳法则的中所位胜数万人

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.

经地区委员都会归纳简报后，获得适用从高血压记录上传的匿名MRI图片的书面准许（参考号码 2014/2261）。

Results 3.

高血压的胜数万人深褐色概率密度函数，如三幅 4A-D 简述。这给与了偏度 (z = −0.005) 和峰度 (z = 1.73) 的归纳以及 Shapiro-Wilk 验 (p> 0.05) 的赞同。然后手动就是指派 χ2 也就是说优度验，然后在 R 中所进行时掌控。通过将该高血压的总帧将近乘积合并千分之胜数万人 (50.12%) 来存量度每个高血压的预料胜数万人。很强七个自由度的 χ2 个将近为 927.4，p 个将近

Open in a separate window

Fig. 4

(A) 可视掌控的灌注核爆炸泥拳法则 (ESWL) 的胜数万人直方三幅。该产于类似于概率密度函数，尽管很强一定往往的峰度。然而，峰态 z 个将近在统计学上并不孝着。(B) 可视掌控的 ESWL（x 轴）的胜数万人（y 轴）的箱子线或三幅，说明与概率密度函数原则上的类似非对称产于。高血压 10 和 11 是异常个将近。(C) 可视掌控的 ESWL 胜数万人的但会 Q-Q 三幅。这些点邻近线或，这上会注记示概率密度函数。尽管如此，点如何描绘出线或其组织也许共存一种21世纪，这说明产于实际上孝然并不但会。(D) 胜数万人第 95 个百分位的收敛。随着借助迭代次将近的增加，两个周内个将近彼此之间的相对歧异愈加零。只能从原来的 8 个抽取中所萃取 6435 个相异的抽取。这放宽了我们可以借助的抽取总将近，因为增加借助抽取的总将近都会增加多次萃取不尽相同抽取的孝然性。为了找到最佳的 bootstrap 抽取总将近，我们探索了都能多较少个 bootstrap 抽取才能稳定第 95 个百分位将近。这说明在三幅注记中所，x 轴上是自举抽取的总将近，y 轴上是第 95 个百分位将近的变转化成。很明孝，在2000-3000个抽取的bootstrapping后变转化成

该新奇式只能在 20.6% 的帧中所找到沙子，因此它们只能涵盖在归纳中所。对于剩余的 18 440 帧，存量度了预测的沙子地区和 FZ 彼此之间的相异往往。≥50% 的相异被认为是“关注点”。适用译文容器作为基本上看来将飞行测试结果其组织在 R 中所的相混等价中所，并存量度效能（注记 1）。该新奇式推测 58.0%（其本质）的帧有关注点囊肿（注记 4）。该新奇式的精确数万人为 63.9%，这看来它确实地将 63.9% 的帧分类法则为“测光”或“失嫩”。在囊肿导向的帧中所，新奇式都能将大共约一半套用为“导向”，因为灵敏度为 56.0%。该新奇式更加擅稍长对“失嫩”的囊肿进行时分类法则，依赖性为 74.7%。PPV（新奇式确实分类法则为“测光”的帧将近）为 75.3%，NPV（新奇式确实分类法则为“失嫩”的帧将近）为 55.2%。请肯定，如果泥机根据新奇式点火核爆炸，则 PPV 对应于胜数万人。检出数万人为 32.5%，而检出数万人要高得多，为 43.1%，说明共存大存量误报（当沙子实际上“失嫩”时，AI 将帧分类法则为“测光”）。Youden's J 统计学存量为 30.7%（规格：>0），Cohen's κ 为 0.2931（规格：>0），无电子邮件数万人为 58.0%（很较反之亦然精确数万人），新奇式效能强于随机猜测确实囊肿在关注点内或关注点之外，说明它可以确实MRI三幅像中所的大肠囊肿。相对于可视掌控的 ESWL，用药间隔时间为 1.94 (11 633/5 987)，而误操作者数万人为可视掌控的 ESWL 的 32.9% ([1.94 × 1961]/[23 212 – 11 633])。可视掌控的 ESWL 每分钟击石 45 次 (90/min × 11 633/23 212)，而 U-Net 掌控的 ESWL 每分钟击石 23 次 (90/min × 5987/23 212)。

Table 4

在译文为测光或离嫩的MRI三幅像上飞行测试时，U-Net 静态的存量度效能统计学将近据

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.

研究者结果说明，优转化成 ESWL 胜数万人有很大的实用价个将近，因为我们估算适用 U-Net 人工智能掌控 ESWL 和缺失核爆炸的分之一可以将可视掌控的胜数万人从 55.2% 提高到 75.3%，便一使手拳法则对高血压更加安全。估算胜数万人的方式将有几个放宽和缺陷。首先，译文者（一名社会工作）在MRI三幅像理解全面性缺乏稍长处；其次，由于三幅像对比度较反之亦然，很难确认沙子的确切界线或，这是我们在译文全过程中所遇到的一个不可或缺疑虑。由于机内-打印机系统本身的质存量以及在核爆炸点火后曾机内能够缩，因此对比度较较反之亦然。尚更进一步的解决疑虑方案孝然是将介入以前存量度机断层扫描 (CT) 三幅像与MRI三幅像配准，这孝然都会使译文者更加容易通过提议囊肿相对于胰脏的一段距离来进行时确实的译文。 另一个疑虑是我们存量转化成的MRI三幅像来自用药的以前 5 分钟。在用药全过程中所，囊肿逐渐破碎，因此变得更加难标识（对于透视也是如此），因此我们适用的抽取不能都有整个用药全过程。然而，当结宝变得只能标识时，它与我们的归纳或多或较少，因为译文者只能确认结宝确实在关注点上。高血压彼此之间的估算胜数万人深褐色概率密度函数，说明它们很强都有性。我们将核爆炸击伤所并不一定为囊肿和 FZ 彼此之间 50% 的相异孝然不是最佳的，因为大块击伤所也孝然引致破洞，从而引致对击伤所数万人的归因于。当我们排除高血压 1、3 和 9 时，孝然都会引入不确认性，因为他们的囊肿在MRI上缺乏可见性。对于可视掌控的 ESWL，可视也只能通过MRI导向他们的囊肿，因此都能定时进行时透视。因此，可视对结宝数据处理方式一段距离的掌控较较少，并且孝然都会花更加多的间隔时间失嫩。如果相反这些高血压的三幅像，可视掌控的胜数万人孝然都会被远超过。该新奇式的军事训练和效能飞行测试也有一些局限性和缺陷。该新奇式在只能由第二个只能稍长处的旁观者译文的十字都大或的将近据上进行时了军事训练和断定。因此，军事训练集孝然涵盖；也感染性囊肿，放宽了新奇式确实自学囊肿的实用价个将近。一些军事训练和断定译文是对只能标识囊肿的MRI三幅像（涵盖高血压 1、3 和 9）进行时的，增加了；也感染性囊肿的期望个将近。

该新奇式仅有对来自 11 名高血压的 57 张三幅像进行时了军事训练。军事训练集看来不太可能优转化成新奇式消炎，如果涵盖更加多高血压并且有稍长处的放射科外科医生适用 CT 包括精确的译文，则该新奇式很强孝着的优化实用价个将近。与估算可视掌控的胜数万人一样，相异估算也是效能飞行测试中所的一个疑虑。飞行测试集由一名社会工作译文，他通过对囊肿和 FZ 相异的半主观图像归纳简报来归纳简报囊肿确实在关注点上。正因如此，该新奇式是在刻画囊肿的三幅像上进行时军事训练的。当手工标示囊肿大块时，存量度机软件可以比本能图像归纳简报相异更加精确地存量度囊肿和 FZ 相异。因此，尽管飞行测试集译文容器和新奇式孝然在飞行测试集三幅像中所的囊肿一段距离上完全原则上，但他们孝然都会估算相异往往的沙子-FZ 相异，从而引致对囊肿确实在关注点上的争论。这特别是在与 FZ 内反之亦然不多 50% 的结宝有关。在这些情况下，即使相异估算的微小歧异也孝然影响“导向”与“导向”的同意。这引致说明了新奇式效能的这两项共存更加多不确认性。 适用两个相异的只能稍长处的译文容器有一些额之外的缺陷。该新奇式首先了解其中所一个译文者将什么理解为囊肿，然后根据另一个译文者将什么理解为囊肿进行时飞行测试。这里的一个疑虑是旁观者间的可变性，我们证实这一点很不可或缺：两个译文容器的较为说明不转换数万人为 37.5%。这看来该新奇式忘记不都会在飞行测试集上完美直通，因为军事训练集和飞行测试集的译文者在沙子界线或的并不一定上共存争论。看来上，选取旁观者间的可变性而不是只适用一个旁观者增强了我们的这两项的信心，说明该新奇式很强囊肿意志力。 如果该新奇式在标识囊肿全面性变得强于飞行测试集译文容器，则这两项将归因于新奇式的效能。为了拍照新奇式的发挥确实明孝强于暗就是指的这两项，我们目视核对了几个新奇式预测囊肿的MRI图片，并在军事训练大部分所适用的不尽相同类型的译文上飞行测试了军事训练新奇式。在拍照结果后，该新奇式明孝强于飞行测试集译文的想法则被拒绝了。 我们争论了处理方式新奇式尚未检验到囊肿的帧，就像新奇式简报囊肿“失嫩”一样。除了灵敏度增加（51.2%）之外，这将引致所有 AI 效能参将近的优化。最个将近得肯定的是，我们看到精确度提高到 67.0%，依赖性提高到 83.0%，Youden's J 统计学存量提高到 34.2%。以这种方式将归纳将近据的论点是，尚未检验到的囊肿不都会被射向所，从而增加了用药出血的安全性。即便如此，我们选取不这样做，因为我们只能掌控新奇式尚未检验到沙子的帧确实有沙子，这都会引致新奇式的意志力被远超过。此之外，它不都会影响PPV，PPV可以说是归纳项目当以前情况下下新奇式效能时不可或缺的参将近。 我们都能确认三项研究者，估算 ESWL 胜数万人在 40% 到 60% 彼此之间。与其他研究者相较为，估算的 55.2% 的胜数万人属于较高的范围内，但广泛应用的 95% CI (43.2-67.3%) 与他们的观察结果十分吻合。胜数万人和小抽取存量的相异并不一定放宽了这些研究者的其本质。 在此之以前，还只能关于使用在MRI三幅像中所导向泌尿系统系囊肿以进行时 ESWL 用药的 ML 新奇式的出版物。Singla 等人尝试在适用 RetinaNet 进行时 ESWL 用药后曾适用透视导向尿路囊肿，并适用相异的 ML 新奇式付诸了 70% ± 10% 的精度。

我们的新奇式可以通过在囊肿失嫩时取消泥机点火核爆炸来付诸。还可以填充类似于 Singla 等人 适用的新奇式来创设一个同时适用MRI和透视的方法则，这孝然都会进一步提高对囊肿意志力。从未说明，60-90 的用药相位数万人造成了最佳的无石数万人，但确实肯定的是，该数万人是基于对相异恒定数万人的飞行测试，无论囊肿确实在关注点地区内。当以前的 ESWL 用药程序每次用药适用大共约 3000-4000 次相位，胜数万人为 50%，引致大共约 2000 次击伤所。新奇式掌控的 ESWL 孝然只都能 2000 次核爆炸，从而增加用药间隔时间。看来上，可以增加核爆炸数万人，这样当囊肿越过关注点地区时，它就可以被多次击伤所。我们人小组早先尚未发注记的研究者结果说明，囊肿在排便结束时相对也就是说（三幅 5）。在新奇式掌控的 ESWL 中所可以更加好地能用这一生理看来，当囊肿在每次排便结束时也就是说在关注点地区内时，核爆炸以更加高的速数万人点火。该新奇式选取了整个大肠像，而不仅有仅有是囊肿本身，因此新奇式掌控的 ESWL 的另一个潜在好处是，当囊肿常常在两个MRI上变得不清楚时，可以在用药全过程的后期保持原则上胜数万人和透视。在该新奇式在临床实践中所出台之以前，确实对更加多和更加高质存量的译文进行时军事训练和飞行测试，比较好由泌尿系统放射科外科医生适用预处理方式 CT 的电子邮件进行时军事训练和飞行测试。军事训练集的标示出也确实在几个相异的管理机构进行时，以提高 ML 新奇式的比如说意志力。

Fig. 5Kragset 的三幅注记示范了一个呼吸时间段中所泌尿系统系囊肿的三维运动。每个点都有囊肿在特定间隔时间点的一段距离。当点彼此之间的线或不稍长时，运动就很大。排便结束时的点彼此十分反之亦然不多，这看来囊肿基本上上也就是说不动——这是脚架囊肿的最佳间隔时间间隔。

Conclusions 5.

估算可视掌控的 ESWL 胜数万人为 55.2%（95% CI 43.2–67.3%），这看来大共约一半的核爆炸只能击伤所沙子。新奇式掌控的 ESWL 将胜数万人提高到共约 75.3%，并使漏石的核爆炸分之一增加了共约 67.1%。结果说明，在更加好的译文上军事训练和飞行测试的 U-Net 人工智能将都能提高 ESWL 的消炎。