从三维面部扫描进行的几何形态学和机器学习,用于困难的口罩通风预测
Bei Pei1, Chenyu Jin1, Shuang Cao1
1Department of Anaesthesiology, Shanghai Ninth People's Hospital, Shanghai Jiao Tong University School of Medicine, Shanghai, China.
Frontiers in medicine
|August 28, 2023
概括
三维面部扫描可以预测麻醉中难以进行口罩通风 (DMV). 机器学习模型,特别是后勤回归,显示出高准确度,确定下形态作为一个关键预测因素.
科学领域:
- 麻醉学 麻醉学
- 医疗成像医学成像
- 机器学习 机器学习
背景情况:
- 难以口罩通风 (DMV) 在麻醉期间构成重大风险,其预测仍然具有挑战性.
- 目前用于预测DMV的方法有局限性,需要新的方法.
- 这项研究调查了3D面部扫描对预测DMV的潜力.
研究的目的:
- 评估3D面部扫描在预测面罩通风困难 (DMV) 的有效性. 在接受全身麻醉的患者中.
- 将利用3D面部数据的机器学习模型的预测性能与现有的临床分数进行比较.
- 识别与DMV相关的特定面部形态特征.
主要方法:
- 包括669名计划在全身麻醉下进行选择性手术的成年患者.
- 用3D几何形态测量分析了3D面部扫描,以捕捉详细的面部特征.
- 使用10个机器学习算法来预测DMV,使用AUC,灵敏度和特异性来评估性能.
主要成果:
- DMV 的发生率为5.23%.
- 后勤回归模型实现了最高的预测性能,AUC为0.825.
- 在DMV和没有DMV的患者之间观察到下部区域的显著形态差异.
结论:
- 3D几何形态测量与机器学习相结合,为预测DMV提供了一个有希望的非侵入性方法.
- 与DIFFMASK得分相比,物流回归模型显示出更高的预测准确性.
- 在易患DMV的患者中识别明显的下形态可以提高麻醉的安全性.
