开发基于深度学习的表皮膜阻塞比率计算系统.
Hsing-Hao Su1,2,3, Chuan-Pin Lu4
1Department of Otorhinolaryngology-Head and Neck Surgery, Kaohsiung Veterans General Hospital, Kaohsiung 81362, Taiwan.
Sensors (Basel, Switzerland)
|September 28, 2023
概括
这项研究引入了一种人工智能驱动的计算机视觉系统,以精确地从睡眠内镜图像中测量表皮质阻塞比率. 这克服了主观阻塞度的局限性,为改善外科评估提供了连续的数据.
科学领域:
- 医疗成像医学成像
- 人工智能的人工智能
- 计算机视觉 计算机视觉
背景情况:
- 外科医生通过从睡眠内镜图像中获得的主观度量来评估表皮膜阻塞的严重程度.
- 目前使用阻塞度的方法与呼吸道气流变化缺乏相关性.
- 局限性需要更客观,更准确的评估工具.
研究的目的:
- 开发一种基于人工智能的计算机视觉系统,用于准确计算表腔膜阻塞比率.
- 用量化阻碍比率取代主观阻碍度.
- 为了提高外科手术患者上衣阻塞的诊断准确度.
主要方法:
- 使用深度学习方法与YOLOv4模型用于表关节软骨局部化.
- 采用颜色量子化和区域拼图算法来确定气道尺寸.
- 集成的网络和基于PC的技术用于系统功能.
主要成果:
- 该系统自主计算了0.1%精度 (0-100%) 的表皮膜阻塞比率.
- 以连续数据形式呈现阻碍级别,提供更好的诊断洞察力.
- 证明了系统能够为手术决策提供关键的定量数据的能力.
结论:
- 开发的人工智能系统准确量化了表腔膜阻塞比率.
- 这种定量方法在主观阻碍度上提供了显著的进步.
- 该系统为外科医生提供了有价值的诊断信息,以评估表腔膜阻塞的严重程度.


