JoVE - Journal of Visualized Experiments
JoVE Visualize
Contact Us
このページは機械翻訳されています。他のページは英語で表示される場合があります。 View in English

ResNet50とConvNeXt Smallを用いたパラナサールCTによる自動粘菌症診断

  • 0Department of Audiology, Artuklu University, Mardin 47100, Turkey.
Bioengineering (basel, Switzerland) +

|

2025年8月28日

|

2025年8月28日

PubMedで要約を見る

まとめ

この要約は機械生成です。

ディープラーニングモデルはCTスキャンで 粘膜炎を正確に検出し 迅速な診断を可能にします これらのAIツールは,従来の生検法を補完する非侵襲的なスクリーニングとして機能します.

科学分野

  • 医学画像分析
  • 診断における人工知能
  • キノコ感染の検出

背景

  • 粘菌症は重度の真菌感染であり,迅速な診断が必要である.
  • 伝統的な診断は 侵襲的な生検に頼り 治療を遅らせます
  • コンピュータ トモグラフィー (CT) スキャンは 非侵襲的なイメージング モダリティを提供します.

研究 の 目的

  • 粘膜症の自動検出のためのディープラーニングモデルを開発し評価する.
  • 鼻側CT画像における移転学習モデル (ResNet50,ConvNeXt Small) のパフォーマンスを評価する.
  • AIが粘膜症の診断を早め,臨床的意思決定を支援できるかどうかを判断する.

主な方法

  • 鼻膜膜症,鼻のポリープ,または正常な発見を持つ患者の794の鼻側CT画像の遡及分析.
  • モデルのトレーニングのためのサイズ変更と拡張を含む画像の前処理.
  • ResNet50とConvNeXtの細部調整 70/30のトレインテスト分割とクロス検証による小型移転学習モデル

主要な成果

  • ConvNeXt Smallはテストセットで100%の精度,リコール,F1スコアを達成しました.
  • ResNet50は高精度で 99.16%の精度を示しました.
  • 一貫したクロス検証結果 (ConvNeXtの~99%の精度) とアブレーション試験は,移転学習の有効性を確認した.

結論

  • ディープラーニングモデルはCTスキャンで 粘膜炎を非侵襲的に正確に検出できます
  • これらのAIツールは,組織病理学を補完する迅速なスクリーニング補助として機能することができます.
  • 早期の粘膜症の介入については,さらなる検証と臨床統合が推奨されます.

キーワード: