从喉图像的性别,吸烟史和年龄预测

科学领域:

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

背景情况:

• 灵活的喉腔镜对于诊断喉疾病和识别潜在的恶性病变至关重要.
• 机器学习 (ML) 模型显示出使用喉图像进行自动诊断的前景.
• 纳入患者人口统计数据可以提高ML诊断性能,但手动输入是耗时的.

研究的目的:

• 开发深度学习模型,直接从喉腔镜图像中预测患者的人口信息.
• 通过整合预测的人口数据来提高自动化喉疾病检测模型的性能.
• 在一个新的喉腔镜图像数据集上建立深度学习模型的基准.

主要方法:

• 开发和应用深度学习模型 (CNN和变压器) 来预测性别,吸烟史和从喉镜图像中的年龄.
• 创建一个新的,全面的喉腔镜图像数据集用于ML分析.
• 对八个经典深度学习架构的性能进行基准测试.

主要成果:

• 在性别方面,总体预测准确率为85.5%,在吸烟史方面为65.2%,在年龄方面为75.9%.
• 展示了使用深度学习从喉图像推断人口信息的可行性.
• 识别并对新数据集上的各种深度学习模型的性能进行了比较.

结论:

• 使用深度学习从喉镜图像预测患者人口统计是可行的,可以增强诊断模型.
• 开发的模型和数据集通过结合患者数据,为改进自动化喉疾病检测提供了一条途径.
• 这种方法为人工智能驱动的诊断工具在耳鼻喉科的改进提供了一种更有效的替代手动数据输入.