由机器学习支持的上鼻病理的数字透视镜
Ekaterina O Bryanskaya1, Viktor V Dremin1, Valery V Shupletsov1
1Research and Development Center of Biomedical Photonics, Orel State University, Orel, Russia.
Journal of biophotonics
|June 5, 2023
概括
数字透视镜与机器学习相结合,提供了一种敏感的方法来检测上鼻腔病理. 线性判别分析实现了高精度,超过了用于鼻诊断的传统查方法.
科学领域:
- 耳鼻喉科 耳鼻喉科 耳鼻喉科
- 医疗成像医学成像
- 人工智能在医学中的应用
背景情况:
- maksillary sinus病理是常见的 ENT 疾病,需要及时诊断.
- 传统的耳鼻检查方法对于检测这些情况的灵敏度有限.
- 数字透视镜为可视化鼻变化提供了一种新的方法.
研究的目的:
- 评估数字透视镜与机器学习相结合的有效性,用于检测大鼻腔病理.
- 为了比较卷积神经网络 (CNN) 和线性差别分析 (LDA) 对此诊断任务的性能.
- 评估这些人工智能驱动的方法作为查鼻疾病的查工具的潜力.
主要方法:
- 数字透视镜被用来捕捉上鼻子的图像.
- 应用了两种机器学习算法,CNN和LDA,来分析透视镜数据.
- 计算了每个方法的性能指标,包括灵敏度和特异性.
主要成果:
- 无论是CNN还是LDA,都表现出比传统查方法更高的灵敏度和特异性.
- 线性差异分析实现了0.88的灵敏度和0.98.9的特异性.
- 与CNN相比,LDA被证明是一个更简单但更有效的方法.
结论:
- 与机器学习 (尤其是LDA) 集成的数字透视镜显示出对大鼻腔病理的准确查有重大前景.
- 这种人工智能增强的诊断方法比传统的ENT检查技术提供了更好的检测率.
- 这些发现表明,这些技术在改善鼻疾病的早期诊断和管理方面可能发挥作用.
