可解释计算机视觉以在数字灵活喉镜图像中检测和分类结构性喉病变

科学领域:

• 耳鼻喉科 耳鼻喉科 耳鼻喉科
• 医疗成像医学成像
• 人工智能的人工智能

背景情况:

• 精确地定位和分类喉病变对于及时诊断和治疗至关重要.
• 数字柔性喉腔镜为喉评估提供了有价值的成像数据.
• 当前的诊断方法可能是主观的,耗时的.

研究的目的:

• 开发和评估最先进的计算机视觉检测模型,以在数字柔性喉科镜像中定位结构性喉病变.
• 为了将这些病变分类为良性或可疑恶性病变.

主要方法:

• 在第三级医疗保健语音诊所进行了一项横截面诊断研究.
• 分析了来自147名患者的数字横镜视频,产生了8,172张喉图像.
• 四个深度神经网络检测模型被训练并评估了本地化和分类性能,使用准确性,IoU和mAP等指标.

主要成果:

• 对于单个图像,分类准确度达到88.5%,在考虑图像序列 (视频) 时达到92.0%.
• 跨模型的平均平均精度 (mAP) 在0.5的IOU值下为50.1,表明成功定位.
• 这些模型在识别损伤位置和对其进行分类方面都显示出潜力.

结论:

• 深度神经网络模型显示出来自数字图像的喉病变自动定位和分类的前景.
• 这种基于人工智能的方法可以通过突出用于诊断的图像区域来帮助临床医生,从而使模型预测的独立评估成为可能.
• 进一步开发可以提高诊断准确度和喉损伤评估的效率.