通过使用AIML技术,通过用玻璃镜进行远程神经镜检查来扩大社区对安全耳部疾病的诊断
Adri Katyayan1, Pranav Mishra2, Angira Katyayan3
1MIT, Manipal, India.
概括
人工智能和机器学习 (AIML) 模型显示了使用远距离望远镜图像进行社区耳朵诊断的潜力,尽管目前精度有限. 进一步的研究可以加强远程神经镜,以提供可访问的耳部护理.
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:
- 社区耳部诊断面临着可访问性和成本方面的挑战.
- 远程医疗为远程医疗保健提供提供了一个潜在的解决方案.
- 人工智能和机器学习 (AIML) 越来越多地应用于医学诊断.
研究的目的:
- 使用AIML.开发一个社区耳部诊断的便利化模型.
- 为了分析耳膜穿孔的遥望镜图像.
- 评估AIML技术在耳部诊断中的有效性.
主要方法:
- 通过远距离光镜分析了115张中 tympanic膜穿孔图像.
- 应用各种卷积神经网络 (CNN) 技术,包括修改VGG19与批量规范化.
- 对开发的AIML模型的培训和测试准确度的评估.
主要成果:
- 修改后的VGG19实现了最高的训练精度,达到85%.
- 训练准确率稳定在70-75%左右,测试准确率约为50%.
- 在本研究中,AIML模型显示出潜力,但缺乏高预测价值.
结论:
- 在社区耳部护理中,AIML对远程神经镜显得有前途.
- 需要解决样本大小和图像质量等局限性问题.
- 在AIML和远程医疗方面的创新可能会彻底改变耳部诊断和护理.
