人工智能在体外冲击波淤泥术中的应用

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

背景 体部份内爆泥奥义 (ESWL) 正在被愈来愈昂贵和预防开放性的内窥镜外科手奥义后所取代。开发计划智能 (AI) 减弱型 ESWL，并研究工作人工神经元网络可以减较高 ESWL 药用价值的实用价小得多值。 的设计、设置和参加者 二维放疗片段是在 ESWL 外科手奥义后此后从随身携比如说片段采集筒的在终点站放疗仪器当中捕捉。一名观测者将 11 位病症的 23 212 张平面位图标出为多达码单反或离特为。当中位命当中多达万人是通过借助于在病症高水平上算出的。具 U-Net 核心的变换神经元网路在 57 幅放疗平面位图上开展专业训练，这些平面位图描绘了来自同一病症的小肠大肠，并由第二位观测者开展了释义。在第一个观测者释义的放疗平面位图上测定了 U-Net。用以九名病症的专业训练集、一名病症的化验集和一名病症的测定集开展交叠化验。结果测存量和人口统计人口统计分析 算出了描绘出界定筒效能的经典存量立体化，以及对给定如何从外部影响内爆命当中多达万人的有左右。结果 标准立体化 ESWL 的当中位命当中多达万人为 55.2%（95% 置信区近 [CI] 43.2–67.3%）。U-Net 的效能存量立体化是精度 63.9%、高频率 56.0%、特异开放性 74.7%、白血病多达存量级 75.3%、阴开放性多达存量级 55.2%、Youden's J 人口统计 30.7%、无讯息多达万人 58.0% 和 Cohen's κ 0.2931。该给定将缺失总多达减较高了 67.1%。主要容许是这是一项只能牵涉 11 名病症的此表达模式化验研究工作。结论 我们算出出的 ESWL 命当中多达万人为 55.2%（95% CI 43.2–67.3%），赞成晚期研究工作的结果。我们不太可能假定，只能对 11 名病症开展专业训练的人工神经元网络给定将命当中多达万人减较高到 75.3%，并将犯规减较高了 67.1%。当 U-Net 在愈来愈多和愈来愈高质存量的释义上开展专业训练时，可以渴望愈来愈好的结果。

总结 小肠大肠可以通过内爆来外科手奥义后。脾脏的放疗显影用以借助于机筒发出内爆，但内爆仍可能会漏掉大肠。我们用以智能来减较高击伤正在妥善处理的石块的直观开放性。关键字：体部份内爆泥奥义，小肠大肠，智能，人工神经元网络，神经元网路

Introduction .

尿石症是一种日渐常见的疾病，给病症和较高收入都造就了沉重的负担。尿石症的患病多达万人在世界各地仅限于各不粗略相同，从 4% 到 20%。自 1980 年 Chaussy 等人报道体部份内爆泥奥义 (ESWL) 外科手奥义后尿石症以来，它已成最常用的外科手奥义后方案。内爆泥的掌控能力是 ESWL 的基础，其药用价值取决于内爆撞击大肠的掌控能力。ESWL、经皮小肠镜取石奥义 (PCNL) 和腹水小肠镜检查和/逆行小肠内手奥义后 (URS/RIRS) 是有症状的尿石症的主要外科手奥义后重新考虑 。其当中，ESWL 是预防开放性最小、出血最少的方法律条文。一项为期 20 年的世界各地研究工作推测，URS/RIRS 的总外科手奥义后总存量提高了 17%，PCNL 始终保持恒定，ESWL 减较高了 14.5%。另一项核查尿石症外科手奥义后文献趋向于的研究工作问道明，关于 URS/RIRS 和 PCNL 的论文分别提高了 171% 和 279%，而关于 ESWL 的论文减较高了 17%。ESWL 药用价值的减较高不该亦会减较高先外科手奥义后多达万人、诊疗一段时近、期望、内窥镜仪器的用以和出血再次发生多达万人，从而除此以外减较高较高收入成本。自算出机诞生以来，人们一直希望的设计都能与生命体智能竞争的算出机。这是通过模仿生命体认知动态来发挥作用的，这一此表达模式被专指智能 (AI)。人工神经元网络 (ML) 是一种通过成果研读的智能 [12]。不太可能开发计划并测定了几种用以尿路大肠的非人工神经元网络给定，但才会一种给定在临床实践当中受益为广泛采用。不太可能假定，ML 给定在平面位图人口统计分析层面的此观感很较高临床医生 。在委派研读当中，给定被赋予标示更早多达据，例如有大肠和才会大肠的脾脏的放疗平面位图，以专业训练它区分“大肠”平面位图和“无大肠”平面位图。受生物神经元继电器启迪的风靡一时 ML 给定有多达人工神经元网路 (NN)（平面图 1A）。NN 当中的第一层专指转换层，其作用是将更早转换更早多达据分发到下一层 。转换成层将转换修正为整个网路的之后转换成，在我们的举例来问道当中尽快平面位图确实还有多达泌尿系大肠。在转换层和转换成层密切关系有“隐蔽”层，这些层由系数组成，可以任教妥善处理有用难题。直达和层的结构并不一定了 NN 的核心。

Fig. 1

(A) 比较简单神经元网路核心举例来问道，有多达具两个路由的转换层、具三个路由的隐蔽层和具两个路由的转换成层。用以 Inkscape 创设。(B) 描绘出所致多达值的平面图。专业训练步骤当中专业训练偏差不停增大，如果软件管理系统专业训练一段时近足够长，之后偏差为零。当过多达值开始时，化验缺失将开始提高，因为软件管理系统的众所周知掌控能力日渐差。最佳取消一段时近是化验曲终点站上的最较高点。基于 Tretyakov的平面图片。(C) 来自 Yani 等人学问对等所写 3.0 许可）的平面位图推断小得多池立体化和最较高池立体化对转换开展下频域。在小得多池立体化当中，转换被分成几一小，每个一小的最高小得多值；也定转换成。在最较高池立体化当中，每个一小的最较高小得多值；也定了转换成。NN 专业训练举例来问道用以优立体化筒来发挥作用，该优立体化筒旨在通过偏移传递来给定重大损失函多达。重大损失函多达的作用是衡存量给定对给定更早多达据数学模型的掌控能力（例如，定位小肠大肠），其小得多值用以愈来愈新网路系数以给定偏差。为了研究工作 NN 的普遍开放性，不该用以与用以专业训练的更早多达据多种不同的更早多达据对其开展化验。在专业训练此后管控化验重大损失：随着网路的基础上，化验偏差随着专业训练偏差而增大。然而，专业训练步骤当中的一个常见难题是所致多达值（平面图 1B），这举例来问道是软件管理系统无意识专业训练更早多达据的结果 [19]。结果是一个软件管理系统才会研读可众所周知的外观上，举例来问道通过化验重大损失的发散来定位。为了不必要这种情况，采用了多种不同的专业训练思路，例如提在此之前取消和正则立体化。愈来愈不可忽视的是，在专业训练步骤之后只能并用以第三个法律条文理更早多达据集，举例来问道专指测定集。测定集用以衡存量网路解决不可见法律条文理更早多达据战斗任务的掌控能力。变换神经元网路 (CNN) 是有用平面位图人口统计分析的首选 [20]。相结合 CNN 是为了首先定位较高有用度的外观上，然后在愈来愈深的层当中找到愈来愈高有用度的外观上 [20]。变换操纵定位转换的原则上上（例如，终点站或凸）并；也定专指外观上平面图的转换成。池立体化操纵然后对外观上平面图开展下频域（减较高分辨多达万人）以减较高在此之后操纵当中对算出掌控能力的期望。最常用的两种池立体化操纵是小得多池立体化和最较高池立体化，如平面图 1C 简述。当给定对平面位图开展分离时，它亦会将其界定为语法律条文实例 [20]，例如明确平面位图的哪一一小描绘了泌尿系大肠 [16]。不太可能为分离目的相结合了多种不同的 CNN，其当中一个举例来说是 U-Net [20]。U-Net 的第一个之前是下频域，其当中变换层定位平面位图外观上，而小得多池立体化映射对外观上平面图开展下频域。在最后一个之前，即上频域，外观上平面图通过上频域映射开展上频域，并与来自下频域之前的对称外观上平面图的副本相结合 [20]。通过这些交叠直达，可以保留高分辨多达万人外观上，如平面图 2 简述。

Fig. 2

Ronneberger 等人 创设的更早 U-Net 核心。蓝色方形代此表外观上平面图，而深蓝色方形代此表通过交叠直达镜像的外观上平面图。箭头暗示映射（深蓝色和浅蓝色 = 变换；黑色 = 交叠直达；橙色 = 小得多池立体化；蓝色 = 上频域）。

Patients and methods 2.

人口统计分析二维放疗平面位图以有左右无终点站电掌控的 ESWL 的命当中多达万人并测定 U-Net 效能。为了给予平面位图，将帧采集筒直达到 ESWL 机筒（PiezoLith 3000，Richard Wolf GmbH，Knittlingen，Germany），用以在 ESWL 此后捕捉在终点站可发挥作用放疗平面位图。每个片段的总长度为 30 分钟，随机重新考虑 5 分钟的片段序列开展释义。释义者萃取放疗样品以将每个帧标示为当大肠所处话题周围 (FZ) 时“探讨”或当大肠不在 FZ 当中时“失特为”（平面图 3A）。这个步骤是用以释义工具箱开展的（平面图 3B）。由于大肠举例来问道在 FZ 内或 FZ 部份周内多达两个帧，因此通过只能标示帧近隔时近的过渡到点来简立体化释义步骤。例如，如果第一帧被标示为多达码单反，并且在第十帧当中再次发生了离特为的过渡到，那么从开始到第十帧的所有帧都被归入为多达码单反。

Fig. 3

(A) 软件管理系统年度报告大肠座落话题的软件管理系统举例来问道，因为 ≥50% 的预见大肠（橙色）在话题周围（黄色）内。(B) 释义工具箱的屏幕截平面图。随身携比如说十字相比较的放疗片段推断在右边，滑块用以Flickr帧。要释义帧，释义者单击“重新考虑要释义的帧”并重新考虑将帧标示为“话题”或“失特为”。如果大肠在此帧当中所处话题，则释义者然后继续片段并取消标示大肠失特为的第一帧。这两个标签密切关系的帧亦会自动标示为“话题”。蓝色和橙色方形代此表释义者标示的帧。在释义步骤当中，我们推测一些大肠在放疗平面位图当中不可见，并且这些病症（再次发生多达万人 1、3 和 9）没有多达在无终点站电掌控的 ESWL 的命当中多达万人人口统计分析当中。一共从外部释义了 731 帧，引致一共 23 212 帧。由于放疗仪器峰小得多值捕捉15 帧，我们之后受益了 26 分钟的随身携带释义的放疗片段，代此表每位病症的最较高一段时近为 3.2 分钟。此部份，第二个释义者在任意软件管理系统当中为所有病症描绘了脾脏和小肠大肠。这引致了来自一共 57 张平面位图的脾脏和小肠大肠的二元掩码。为了在小肠大肠分离当中测定标准立体化的 U-Net 变换网路，它用以描绘的平面位图开展专业训练。为了专业训练和化验网路，我们有多达了脾脏和小肠大肠的释义。标示脾脏为给定有多达了一个参考点或有关大肠不该在哪里的自然语言讯息，因为在整个外科手奥义后步骤当中，小肠大肠粗略始终保持在脾脏内部的粗略相同右边。我们开展了基于病症的交叠化验。通过对来自 9 名病症的帧开展专业训练并在来自一名病症的帧上开展化验，一共创设了 11 个软件管理系统。在这 11 个软件管理系统当中，有 8 个在粗略相同的 23 212 个帧上开展了测定，这些帧在 8 名病症当中标出为“多达码单反”或“失特为”。核查的第一个结果是无终点站电掌控 ESWL ，以 90 无线电波/分钟的速度周内试射的命当中多达万人。命当中多达万人是指撞击大肠的内爆的百分比，在本研究工作当中并不一定为多达 50% 的大肠在 FZ 当中的击球。为了算出这个，我们只能知道在一定多达存量的帧当中大肠探讨的帧多达。每个帧由一名观测者手动调配一个 0（失特为）或 1（话题）标签，标签的等于；也定了大肠在 FZ 当中的帧多达。用以 R 环境开展人口统计编程 (www.r-project.org)，用以偏差校准和较慢自举法律条文有左右每个病症的当中位命当中多达万人，具 95% 的置信区近 (CI)，以评核超出样品的结果的稳健开放性有左右。通过在 SPSS 当中生成直方平面图、箱终点站平面图和正态 Q-Q 平面图，并通过分派 Shapiro-Wilk 化验和峰态和偏度人口统计分析来检查和病症的命当中多达万人产自。手动分派多达值优度的 χ2 化验以明确命当中多达万人确实均匀产自并之后尽快改组确实适宜。p 小得多值

为了有左右 U-Net 给定的效能，将更早多达据转换 R 以创设联想特征值（此表 1），其当中的原则上实情是释义更早多达据。给定没测定到石块的帧不还有多达在联想特征值当中。然后用以 R 来算出界定软件管理系统效能的经典存量立体化：直观开放性、敏感开放性、特异开放性、白血病多达存量级 (PPV)、阴开放性多达存量级 (NPV)、风靡一时多达万人、检出多达万人、测定风靡一时多达万人、有利于精度、Youden's J 人口统计存量、无讯息多达万人和 Cohen 的 κ。此表 2 当中有多达了对这些小得多值的阐释。然后，我们通过将标出为话题的帧多达除以假白血病多达来有左右 U-Net 掌控的 ESWL 相比较无终点站电掌控的 ESWL 的外科手奥义后一段时近。通过将相对妥善处理一段时近乘以假阴开放性多达，先除以释义为失特为的帧多达，我们有左右了 U-Net 将如何从外部影响缺失多达。给定 90/min 的内爆速多达万人，算出无终点站电掌控的 ESWL 和 U-Net 掌控的 ESWL 的每分钟命当中多达。通过对 R 当中 5000 个帧样品开展偏差校准和较慢借助于，算出每位病症的当中位命当中多达万人和 95% CI（此表 3）。此表格1 在联想特征值当中其组织的联想特征值的设计和测定更早多达据（释义为探讨或失特为的平面位图）

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

描绘出界定筒效能的最不可忽视人口统计更早多达据概要

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

通过自举法律条文有左右的每位病症的无终点站电掌控的体部份内爆泥奥义的当中位命当中多达万人

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.

经周围委员亦会评核后，给予用以从病症历史纪录iTunes的匿名放疗片段的书面许可（参考编号 2014/2261）。

Results 3.

病症的命当中多达万人呈圆形正态产自，如平面图 4A-D 简述。这受益了偏度 (z = −0.005) 和峰度 (z = 1.73) 的人口统计分析以及 Shapiro-Wilk 化验 (p> 0.05) 的赞成。然后手动分派 χ2 多达值优度化验，然后在 R 当中开展掌控。通过将该病症的总帧多达乘以改组最较高命当中多达万人 (50.12%) 来算出每个病症的预估命当中多达万人。具七个自由度的 χ2 小得多值为 927.4，p 小得多值

Open in a separate window

Fig. 4

(A) 无终点站电掌控的体部份内爆泥奥义 (ESWL) 的命当中多达万人直方平面图。该产自类似于正态产自，尽管具一定高度的峰度。然而，峰态 z 小得多值在人口统计上不一定除此以外。(B) 无终点站电掌控的 ESWL（x 中轴）的命当中多达万人（y 中轴）的箱终点站平面图，推断与正态产自恰当的近似对称产自。病症 10 和 11 是异常小得多值。(C) 无终点站电掌控的 ESWL 命当中多达万人的正常 Q-Q 平面图。这些点靠近终点站，这举例来问道暗示正态产自。尽管如此，点如何一个中心终点站其组织似乎不存在一种趋向于，这问道明产自其实可能会不一定正常。(D) 命当中多达万人第 95 个百分位的取值。随着借助于给定次多达的提高，两个周内小得多值密切关系的相对差异愈发零。才会从原先的 8 个样品当中萃取 6435 个多种不同的样品。这容许了我们可以借助于的样品多达存量，因为提高借助于样品的多达存量亦会提高多次萃取粗略相同样品的可能会开放性。为了找到最佳的 bootstrap 样品多达存量，我们探索了只能多少个 bootstrap 样品才能牢固第 95 个百分位多达。这推断在平面图片当中，x 中轴上是自举样品的多达存量，y 中轴上是第 95 个百分位多达的变立体化。很微小，在2000-3000个样品的bootstrapping后变立体化

该给定才会在 20.6% 的帧当中找到石块，因此它们才会还有多达在人口统计分析当中。对于剩余的 18 440 帧，算出了预见的石块周围和 FZ 密切关系的交错高度。≥50% 的交错被并不认为是“话题”。用以释义筒作为原则上实情将测定结果其组织在 R 当中的联想特征值当中，并算出效能（此表 1）。该给定推测 58.0%（普遍开放性）的帧有话题大肠（此表 4）。该给定的直观多达万人为 63.9%，这并不一定它直观地将 63.9% 的帧界定为“多达码单反”或“失特为”。在大肠探讨的帧当中，给定都能将将近一半归入为“探讨”，因为高频率为 56.0%。该给定愈来愈擅长对“失特为”的大肠开展界定，特异开放性为 74.7%。PPV（给定直观界定为“多达码单反”的帧多达）为 75.3%，NPV（给定直观界定为“失特为”的帧多达）为 55.2%。都只，如果泥机根据给定试射内爆，则 PPV 对应于命当中多达万人。检出多达万人为 32.5%，而检出多达万人要高得多，为 43.1%，问道明不存在大存量误报（当石块其实“失特为”时，AI 将帧界定为“多达码单反”）。Youden's J 人口统计存量为 30.7%（标准立体化：>0），Cohen's κ 为 0.2931（标准立体化：>0），无讯息多达万人为 58.0%（较高于直观多达万人），给定效能很较高随机猜测确实大肠在话题内或话题部份，问道明它可以直观放疗平面位图当中的小肠大肠。相比较操纵者掌控的 ESWL，外科手奥义后一段时近为 1.94 (11 633/5 987)，而误操纵多达万人为操纵者掌控的 ESWL 的 32.9% ([1.94 × 1961]/[23 212 – 11 633])。无终点站电掌控的 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

在释义为多达码单反或离特为的放疗平面位图上测定时，U-Net 软件管理系统的算出效能人口统计更早多达据

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.

研究工作结果问道明，优立体化 ESWL 命当中多达万人有太大的实用价小得多值，因为我们有左右用以 U-Net 神经元网路掌控 ESWL 和缺失内爆的总多达可以将无终点站电掌控的命当中多达万人从 55.2% 减较高到 75.3%，之后使手奥义后对病症愈来愈必要。有左右命当中多达万人的模式有几个容许和敌人。首先，释义者（一名护理人员）在放疗平面位图阐释层面依赖成果；其次，由于平面位图分辨多达万人较高，很难明确石块的明确边界，这是我们在释义步骤当中遇见的一个不可忽视难题。由于探头-显影仪管理系统本身的质存量以及在内爆试射此后探头必须缩回，因此分辨多达万人较较高。没来的框架可能会是将施压在此之前算出机断层显影 (CT) 平面位图与放疗平面位图配准，这可能会亦会使释义者愈来愈容易通过建议大肠相比较脾脏的右边来开展直观的释义。 另一个难题是我们频域的放疗平面位图来自外科手奥义后的在此之前 5 分钟。在外科手奥义后步骤当中，大肠日渐破碎，因此显得愈来愈难定位（对于明暗也是如此），因此我们用以的样品必须代此表整个外科手奥义后步骤。然而，当结宝显得较难定位时，它与我们的人口统计分析无关，因为释义者才会明确结宝确实在话题上。病症密切关系的有左右命当中多达万人呈圆形正态产自，问道明它们具代此表开放性。我们将内爆击伤并不一定为大肠和 FZ 密切关系 50% 的交错可能会不是最佳的，因为锯齿状击伤也可能会引致变形，从而引致对击伤多达万人的较很低。当我们无关病症 1、3 和 9 时，可能会亦会随身携带入偏差，因为他们的大肠在放疗上依赖可见开放性。对于无终点站电掌控的 ESWL，无终点站电也才会通过放疗出发点他们的大肠，因此只能定期开展明暗。因此，无终点站电对结宝可发挥作用右边的掌控较少，并且可能会亦会红豆愈来愈多的一段时近失特为。如果忽略这些病症的平面位图，无终点站电掌控的命当中多达万人可能会亦会被很低。该给定的专业训练和效能测定也有一些局限开放性和敌人。该给定在才会由第二个才会成果的观测者释义的十字相比较的更早多达据上开展了专业训练和化验。因此，专业训练集可能会还有多达；也白血病大肠，容许了给定直观研读大肠的实用价小得多值。一些专业训练和化验释义是对较难定位大肠的放疗平面位图（有多达病症 1、3 和 9）开展的，提高了；也白血病大肠的不明确开放性。

该给定只能对来自 11 名病症的 57 张平面位图开展了专业训练。专业训练集显然根本无法律条文优立体化给定药用价值，如果有多达愈来愈多病症并且有成果的放射科医生用以 CT 有多达直观的释义，则该给定具除此以外的基础上实用价小得多值。与有左右无终点站电掌控的命当中多达万人一样，交错有左右也是效能测定当中的一个难题。测定集由一名护理人员释义，他通过对大肠和 FZ 交错的半直觉视觉效果评核来评核大肠确实在话题上。相较之下，该给定是在描绘大肠的平面位图上开展专业训练的。当手工标示大肠锯齿状时，算出机软件可以比生命体视觉效果评核交错愈来愈直观地算出大肠和 FZ 交错。因此，尽管测定集释义筒和给定可能会在测定集平面位图当中的大肠右边上完全恰当，但他们可能会亦会有左右多种不同高度的石块-FZ 交错，从而引致对大肠确实在话题上的歧见。这尤其与 FZ 内接近 50% 的结宝有关。在这些情形，即使交错有左右的微小差异也可能会从外部影响“探讨”与“探讨”的尽快。这引致描绘出给定效能的存量立体化不存在愈来愈多不明确开放性。 用以两个多种不同的才会成果的释义筒有一些额部份的敌人。该给定首先了解其当中一个释义者将什么阐释为大肠，然后根据另一个释义者将什么阐释为大肠开展测定。这里的一个难题是观测者近的可变开放性，我们此表明这一点很不可忽视：两个释义筒的比较推断不也就是问道多达万人为 37.5%。这并不一定该给定永远不亦会在测定集上令人难忘行驶，因为专业训练集和测定集的释义者在石块边界的并不一定上不存在歧见。实情上，重新考虑观测者近的可变开放性而不是只用以一个观测者减弱了我们的存量立体化的信心，问道明该给定具大肠掌控能力。 如果该给定在定位大肠层面显得很较高测定集释义筒，则存量立体化将较很低给定的效能。为了详细信息给定的此观感确实微小很较高显然的存量立体化，我们判读检查和了几个给定预见大肠的放疗片段，并在专业训练集当中用以的粗略相同类型的释义上测定了专业训练给定。在详细信息结果后，该给定微小很较高测定集释义的想法律条文被拒绝了。 我们探讨了妥善处理给定没测定到大肠的帧，就像给定年度报告大肠“失特为”一样。除了高频率减较高（51.2%）部份，这将引致所有 AI 效能参多达的基础上。最小得多众所周知的是，我们看见精度减较高到 67.0%，特异开放性减较高到 83.0%，Youden's J 人口统计存量减较高到 34.2%。以这种模式人口统计分析更早多达据的论点是，没测定到的大肠不亦会被射当中，从而减较高了外科手奥义后出血的效用。正因如此，我们重新考虑不这样来作，因为我们才会掌控给定没测定到石块的帧确实有石块，这亦会引致给定的掌控能力被很低。此部份，它不亦会从外部影响PPV，PPV可以问道是人口统计分析项目当在此之前状态下给定效能时最不可忽视的参多达。 我们都能明确三项研究工作，有左右 ESWL 命当中多达万人在 40% 到 60% 密切关系。与其他研究工作相较，有左右的 55.2% 的命当中多达万人所处较高的仅限于，但为广泛的 95% CI (43.2-67.3%) 与他们的观察结果相当吻合。命当中多达万人和小样品存量的多种不同并不一定容许了这些研究工作的普遍开放性。 迄今为止，还才会关于用以在放疗平面位图当中出发点泌尿系大肠以开展 ESWL 外科手奥义后的 ML 给定的出版物。Singla 等人尝试在用以 RetinaNet 开展 ESWL 外科手奥义后此后用以明暗出发点尿路大肠，并用以多种不同的 ML 给定发挥作用了 70% ± 10% 的精度。

我们的给定可以通过在大肠失特为时取消泥机试射内爆来发挥作用。还可以添加类似于 Singla 等人 用以的给定来创设一个同时用以放疗和明暗的方法律条文，这可能会亦会进一步减较高对大肠掌控能力。不太可能问道明，60-90 的外科手奥义后无线电波多达万人转立体化成最佳的无石多达万人，但不该注意的是，该多达万人是基于对多种不同恒定多达万人的测定，无论大肠确实在话题周围内。当在此之前的 ESWL 外科手奥义后程序每次外科手奥义后用以将近 3000-4000 次无线电波，命当中多达万人为 50%，引致将近 2000 次命当中。给定掌控的 ESWL 可能会只只能 2000 次内爆，从而减较高外科手奥义后一段时近。实情上，可以提高内爆多达万人，这样当大肠穿过话题周围时，它就可以被多次击伤。我们工作小组先在此之前没发此表的研究工作结果问道明，大肠在呼吸终结时相对飞轮（平面图 5）。在给定掌控的 ESWL 当中可以愈来愈好地利用这一认知实情，当大肠在每次呼吸终结时飞轮在话题周围内时，内爆以愈来愈高的速多达万人试射。该给定重新考虑了整个小肠像，而不只能只能是大肠本身，因此给定掌控的 ESWL 的另一个潜在好处是，当大肠不时在两个放疗上显得不清楚时，可以在外科手奥义后步骤的晚期始终保持命当中多达万人和明暗。在该给定在临床实践当中施行之在此之前，不该对愈来愈多和愈来愈高质存量的释义开展专业训练和测定，比较好由泌尿放射科医生用以预妥善处理 CT 的讯息开展专业训练和测定。专业训练集的标出也不该在几个多种不同的政府机构开展，以减较高 ML 给定的众所周知掌控能力。

Fig. 5Kragset 的平面图片展览品了一个呼吸间隔当中泌尿系大肠的三维青年运动。每个点代此表大肠在特定一段时近点的右边。当点密切关系的终点站不长时，青年运动就太大。呼吸终结时的点彼此相当接近，这并不一定大肠只能只能飞轮不动——这是射击大肠的最佳一段时近近隔时近。

Conclusions 5.

有左右无终点站电掌控的 ESWL 命当中多达万人为 55.2%（95% CI 43.2–67.3%），这并不一定将近一半的内爆才会击伤石块。给定掌控的 ESWL 将命当中多达万人减较高到左右 75.3%，并使漏石的内爆总多达减较高了左右 67.1%。结果问道明，在愈来愈好的释义上专业训练和测定的 U-Net 神经元网路将都能减较高 ESWL 的药用价值。