基于双层人工智能模型的革命性急性腹腔内血瘤检测
İsmail Kaya1, Tuğrul Hakan Gençtürk2, Fidan Kaya Gülağız2
1Department of Neurosurgery, Niğde Ömer Halisdemir University, Faculty of Medicine, Niğde-Türkiye.
概括
这项研究引入了一种人工智能 (AI) 方法来检测急性腹腔内出血. 人工智能模型在断层扫描图像上识别大脑出血时取得了高精度,有助于迅速进行医疗干预.
科学领域:
- 医疗成像医学成像
- 人工智能在医学中的应用
- 神经学 神经学
背景情况:
- 急性皮下出血需要快速诊断才能有效治疗.
- 目前的诊断方法可能耗时,延迟关键干预.
- 需要先进的工具来帮助医生解释医学图像.
研究的目的:
- 开发和评估一种基于人工智能 (AI) 的混合方法,用于检测急性皮下出血.
- 评估人工智能模型在解释断层扫描图像以识别出血时的性能.
- 提供一个工具,在疑似病例中快速警告医生.
主要方法:
- 开发了一种两级混合AI模型,将深度学习 (Mask R-CNN) 用于出血细分和机器学习 (Support Vector Machines - SVM) 用于分类.
- 面具R-CNN模型为出血区域生成了面具.
- 优化的SVM算法,使用蜂群算法调整,执行二进制分类.
主要成果:
- 面具R-CNN模型在0.5.5的IOU下实现了0.754的平均平均精度 (mAP).
- 一个5倍的交叉验证产生了0.736.6的mAP.
- 两级分类过程显示了96.36%的准确性,虚假阴性 (6.20%) 和虚假阳性 (2.57%) 率较低.
结论:
- 拟议的AI模型成功地检测出血,并在2D图像中突出显示可疑区域.
- 这种方法提供了一个低成本,高精度的替代方案,以当前的远程医疗解释.
- 人工智能系统可以显著帮助医生及时诊断急性皮下出血.
