简介：无

简介：摘要目的探讨一种多代理强化学习框架(Multi-Agent Reinforcement Learning framework，MARL framework)在三维超声中自动定位子宫冠状面的准确性与临床应用价值。方法选取深圳市罗湖区人民医院2020年5月间进行常规妇科检查的144例女性患者作为研究对象，应用迈瑞高端彩色多普勒超声系统(Resona-8)收集所有研究对象的子宫三维容积数据，由一位超过5年临床经验的超声医师采集存储数据，手动定位子宫冠状平面并记录时间，同时通过多代理强化学习框架在所有收集的数据中自动定位子宫冠状平面并记录时间。将两种方法得到的子宫冠状平面图像混编在一起，由两位高年资超声专家对图像进行双盲评分(范围0~1)，以两位专家评分的平均分均≥0.6分为合格。结果①144例患者，两种方法定位的子宫冠状平面中，手动方法定位的冠状面合格的有131个，自动方法定位的冠状面合格的有137个；运用卡方检验对比手动法和自动法得到的子宫冠状平面图像合格率差异无统计学意义(χ2＝1.934，P＝0.164)。②应用四分位距法分析，自动组的图像得分为0.80(0.75，0.90)，而手动组的图像得分为0.80(0.75，0.90)；运用Wilcoxon符号秩检验两种方法所得子宫冠状平面图像得分，统计发现其差异无统计学意义(Z＝1.241，P＝0.215)。③运用配对t检验统计两种方法定位子宫冠状面所需时间，手动方法所需时间为(63.65±10.182)s，自动方法所需时间为(3.25±0.294)s，两者之间的差异有统计学意义(t＝19.52，P<0.001)。结论基于多代理强化学习框架的方法自动定位三维超声中的子宫冠状平面具有较高获取率，且图像质量较好，同初级超声医师的手动组相比大大缩短了操作时间，可有效应用于临床实践中，并为子宫相关疾病的智能诊断奠定了基础。