一个计算机视觉算法来对关节骨计算机断层扫描扫描器上形过程的气动化进行分类
Zubair Hasan1, Michael Lee2, Fiona Chen3
1University of Sydney, Faculty of Medicine and Health, New South Wales, Australia;Department of Otolaryngology - Head and Neck Surgery, Westmead Hospital, New South.
The journal of international advanced otology
|June 5, 2023
概括
这项研究表明,深度学习可以准确地分类状体过程气动化,帮助手术规划. 机器学习有效地区分骨中的解剖学变异.
科学领域:
- 放射学 放射学是一门学科.
- 神经外科 神经外科
- 人工智能的人工智能
背景情况:
- 在骨的外科手术方法中,乳头过程的气动化至关重要.
- 气动化的变化影响了耳鼻喉科医生手术的准入和计划.
- 了解骨解剖学对于手术外科医生来说至关重要.
研究的目的:
- 评估使用深度学习卷积神经网络 (CNN) 算法的可行性,用于分类形过程气动化.
- 调查CNN在骨成像中的实用性.
- 为了确定机器学习是否能够准确地区分解剖学变异.
主要方法:
- 从一家三级医院PACS中获取非识别的石骨图像.
- 使用预训练的CNN在二进制分类模式下进行图像分析.
- 研究人员对假阳性和假阴性图像进行重新分析和定性评估.
主要成果:
- 美国有线电视新闻网 (CNN) 模型的整体精度为0.954.954.
- 在65%的概率值下,该模型表现出0.860的灵敏度和0.989的特异性.
- 该模型报告了0.926的高F1得分,表明了强大的性能.
结论:
- 机器学习,特别是CNN,可以准确地分类状体过程气动化.
- 高分辨率CT扫描解释的AI增强可以帮助耳鼻喉科医生进行手术规划.
- 这项研究验证了使用ML用于骨解剖变异歧视的可行性.
更多相关视频
09:21Human Brown Adipose Tissue Depots Automatically Segmented by Positron Emission Tomography/Computed Tomography and Registered Magnetic Resonance Images
Published on: February 18, 2015
12.2K
10:26Author Spotlight: A 3D Digital Model for the Diagnosis and Treatment of Pulmonary Nodules
Published on: May 19, 2023
1.9K
