深度学习的实用性用于诊断骨CTCT上的耳形不良
Zhenhua Li1, Langtao Zhou2, Xiang Bin3
1Department of Otorhinolaryngology-Head and Neck Surgery, Hunan Provincial People's Hospital, The First Affiliated Hospital of Hunan Normal University, Changsha, Hunan, People's Republic of China.
Japanese journal of radiology
|October 9, 2023
概括
深度学习模型显示出从CT扫描中诊断耳形的前景,一些模型在准确性方面超过了专家医生. 这种人工智能方法为临床诊断提供了潜在的进步.
科学领域:
- 放射学 放射学是一门学科.
- 医疗成像医学成像
- 人工智能的人工智能
背景情况:
- 使用骨CT图像诊断耳发育不良存在重大挑战.
- 准确的鉴定对于适当的患者管理和治疗规划至关重要.
研究的目的:
- 评估深度学习 (DL) 模型在骨CT扫描上诊断耳发育不良时的有效性.
- 将DL模型的诊断性能与人类专家解释进行比较.
主要方法:
- 来自165名患者的654张骨CT图像的数据集被策划并分为训练和测试集.
- 四个DL模型 (ResNet10,ResNet50,SE-ResNet50,DenseNet121) 在耳区域进行了培训.
- 用曲线下的面积 (AUC) 评估模型性能,并与四名医生诊断的结果进行比较.
主要成果:
- ResNet10,ResNet50和SE-ResNet50实现了高诊断性能,其AUC分别为0.91,0.94和0.93. 它们的AUC值分别为0.91,0.94和0.93.
- 与首席医生的解释相比,这三个DL模型显示出更高的准确性.
- 在DenseNet121中,较低的AUC值为0.73.
结论:
- 深度学习技术为人工智能在诊断耳形的临床应用提供了一个有希望的途径.
- 利用人工智能对CT图像进行分析可能会提高诊断准确性和效率.
- 需要进一步的研究和验证,以将DL纳入常规的临床实践,以诊断耳形.
