相关实验视频
Updated: May 9, 2026

Artificial Intelligence Approaches to Assessing Primary Cilia
Published on: May 1, 2021
基于人工智能的PRO评分评估从LC-OCT成像使用卷积神经网络的动态角质瘤
Janis R Thamm1, Fabia Daxenberger2, Théo Viel3
1Department of Dermatology and Allergology, University Hospital, University of Augsburg, Augsburg, Germany.
使用卷积神经网络 (CNN) 的人工智能可以自动化从线场共聚光学连贯性断层扫描 (LC-OCT) 图像中对行动性角质瘤 (AK) 的PRO得分量化. 这种人工智能工具在AK随访中显示出临床使用的前景.
科学领域:
- 皮肤病学和医学成像学
- 人工智能在医学中的应用
- 计算病理学计算病理学
背景情况:
- 组织学PRO评分通过评估皮肤-表皮结 (DEJ) 波动来评分行为性角质 (AK) 的恶性潜力.
- 线场共聚焦光学连贯性断层扫描 (LC-OCT) 可实现非侵入性,实时的PRO得分量化.
- 使用人工智能,特别是卷积神经网络 (CNN) 在LC-OCT数据上的自动化PRO得分量化是一个潜在的进步.
研究的目的:
- 训练和验证人工智能模型,用于使用LC-OCT图像自动化PRO得分量化AK.
- 评估人工智能计算的PRO得分与专家视觉共识的准确性.
- 评估这种AI工具在AK管理中临床应用的可行性.
主要方法:
- 卷积神经网络 (CNN) 被训练成对健康皮肤和AK的LC-OCT图像进行细分.
- 基于组织病理学标准开发了PRO评分模型.
- 人工智能模型在237张LC-OCT AK图像上进行了训练,并在76张图像上进行了测试,将人工智能结果与专家共识进行了比较.
主要成果:
- 在AI自动分级和专家视觉共识之间发现了显著的一致性 (75%).
- 人工智能自动分级显示,PRO II (84.8%) 与视觉评分的相关性最高,其次是PRO III (69.2%) 和PRO I (66.6%).
- 误解发生在25%的病例中,主要是由于DEJ阴影和破坏性特征,如毛囊.
结论:
- 在AK的LC-OCT图像中,CNN展示了自动化PRO得分量化的实用性.
- 这种AI方法为临床医生提供了一个潜在的可行的工具,可以在AK随访期间评估PRO得分.
- 可能需要进一步细化,以解决诸如阴影和卵泡人工物等局限性,以提高准确性.
更多相关视频
09:37Combining Reflectance Confocal Microscopy with Optical Coherence Tomography for Noninvasive Diagnosis of Skin Cancers via Image Acquisition
Published on: August 18, 2022
06:15Author Spotlight: Anterior HR-OCT as a Non-Invasive Tool for Characterizing Ocular Surface Squamous Neoplasia
Published on: August 9, 2024
相关概念视频
Naturalistic Observations
Cognitive Development During Adulthood