从临床角度探索人工智能:对两种面部年龄预测指标进行比较和应用分析,这些预测指标是在中国大型化品患者数据库中训练的

科学领域:

• 人工智能的人工智能
• 医学美学 医学美学
• 计算机视觉 计算机视觉

背景情况:

• 人工智能驱动的年龄预测对于评估整形外科手术结果非常有价值.
• 由于有偏见的培训数据,现有的模型对中国患者缺乏适用性.
• 开发一个针对中国人口的定制年龄估计模型是必要的.

研究的目的:

• 开发和评估人工智能年龄估计模型,用于接受复苏治疗的中国患者.
• 为了比较不同的AI算法对面部年龄预测的准确性和可解释性.

主要方法:

• 收集了来自1821名中国患者的10529张面部图像的数据集.
• 两个年龄估计算法,传统的机器学习和深度学习 (VGG-16) 被训练并进行比较.
• 分析了预测准确度 (平均绝对误差) 和误差分布.

主要成果:

• 深度学习模型实现了3.011年的平均绝对误差,显著超过了传统的机器学习 (MAE:10.185年).
• 深度学习对90.20%的患者正确预测了6年内的年龄,而传统方法则为35.90%.
• 传统模型为临床建议提供了更清晰的解释性.

结论:

• 深度学习在中国整形外科患者的年龄预测方面表现出卓越的准确性.
• 虽然传统模型提供了更好的解释性,但深度学习的准确性对于定量临床评估至关重要.
• 需要进一步的研究,以了解深度学习模型的决策逻辑,以提高临床应用.