通过集体深卷积神经网络检测中部带松,基于后肢单个后视图图像
Juho Jung1,2, Geonwoo Park2,3, Gwanghyeon Kim4
1Department of Applied Artificial Intelligence, Sungkyunkwan University, Seoul, Korea.
Scientific reports
|October 10, 2023
概括
一个新的深度学习系统从单个后肢图像中准确地诊断出狗的中间带松 (MPL). 这种人工智能工具的性能明显优于兽医专家,为早期发现狗骨科疾病提供了一个有希望的解决方案.
科学领域:
- 兽医医学 兽医医学 兽医医学
- 人工智能的人工智能
- 狗类整形外科 狗类整形外科
背景情况:
- 中部带 (MPL) 是狗中普遍存在的骨科疾病,特别影响小型和老年品种.
- 在狗中早期诊断MPL是具有挑战性的,因为微妙的临床症状和模糊的疼痛表达.
- 目前的诊断方法可能耗时,可能无法在初期阶段检测出疾病.
研究的目的:
- 开发和评估一种深度学习系统,用于仅使用后视后肢图像在狗中诊断中部形松 (MPL).
- 将拟议的AI模型的诊断性能与经验丰富的兽医进行比较.
- 提高诊断模型对图像噪声和不确定性的稳定性.
主要方法:
- 在2653只狗的7689张后视后肢图像数据集上训练和测试了一个深度学习系统.
- 模型的性能与已建立的深度学习架构 (ResNet50,VGG16,VGG19,Inception-V3) 和人类专家兽医进行了评估.
- 使用一类支持向量机 (SVM) 和合体学习方法来提高模型的稳定性.
主要成果:
- 开发的深度学习模型为MPL实现了92.5%的诊断准确率.
- 人工智能模型显著优于人类专家,人类专家的平均准确率为55.2%.
- 该系统在诊断MPL方面表现出强度,即使有潜在的图像噪声.
结论:
- 一个深度学习系统可以从单个后视后肢图像中准确地诊断狗的中间形松 (MPL).
- 这种人工智能驱动的诊断工具比传统方法和人类专家的性能有了显著的改进.
- 该研究为兽医实践中早期和高效的MPL临床诊断提供了有价值的工具.
