In dieser retrospektiven Studie wurden Ultraschallbilder von Einzel- und Zwillings-Schwangerschaften an einer Multi-Center-Tertiärversorgungseinrichtung in Ontario, Kanada, zwischen März 2014 und November 2021 analysiert. Die Studie wurde vom Ottawa Health Sciences Network Research Ethics Board (OHSN-REB) genehmigt und alle Verfahren wurden gemäß den relevanten Richtlinien und Vorschriften durchgeführt. Die Bilder wurden zwischen der 18. und 24. Schwangerschaftswoche aufgenommen. Es wurden Bilder von „normalen“ Fällen und solchen, die auf CAKUT hinwiesen, betrachtet. Die Bilder wurden mithilfe eines GE Voluson™ V830 oder V730 Ultraschallsystems von geschulten Sonographen in der Geburtshilfe aufgenommen und von Mutter-Kind-Spezialisten interpretiert.
Die Bilder wurden aufbereitet, um farbige Markierungen und persönliche Gesundheitsinformationen zu entfernen und die Qualität für die Modellierung sicherzustellen. Die Bilder wurden in drei Klassen unterteilt: „normal“, MCDK und UTD. Die normalen Bilder wurden zufällig aus verfügbaren Kontrollbildern aus den entsprechenden Jahren ausgewählt. Die DenseNet169 CNN-Modelle wurden verwendet, um die Bilder zu kategorisieren. Verschiedene Leistungsindikatoren wie AUC, Genauigkeit, Sensitivität, Spezifität, F1-Score und Präzision wurden berechnet. Die Modelle wurden mit verschiedenen Hyperparametern optimiert, einschließlich Bildgröße, Epochenzahl und Batch-Größe.
Um die Vorhersagen der trainierten Modelle zu interpretieren, wurden Visualisierungsmethoden wie Grad-CAM und HiResCAM verwendet. Diese Methoden erlauben es, die für die Vorhersagen relevanten Bildmerkmale zu visualisieren. Zur Bewältigung des begrenzten Datensatzes wurden die CAKUT-Klassen in eine „abnormale“ Metaklasse zusammengefasst, um die Klassenverteilung auszugleichen. Dies ermöglichte eine bessere Darstellung bei der Klassifikation in Normal-, UTD- und MCDK-Klassen. Die Studie wurde ethisch geprüft und genehmigt und alle Verfahren wurden im Einklang mit den Richtlinien und Vorschriften durchgeführt. Die Bilder wurden vor der Modellierung de-identifiziert und die Einholung der Zustimmung der Teilnehmer wurde aufgrund der retrospektiven Natur der Studie und der Verwendung nicht identifizierbarer Informationen verzichtet.