使用深度学习从结节图像进行非侵入性血红蛋白估计
1Biomedical Engineering Department, Karabuk University, Karabuk, Turkey.
Medical engineering & physics
|October 14, 2023
概括
这项研究引入了一种非侵入性深度学习方法,使用结节图像预测血红蛋白水平. 这种方法提供了一个廉价,快速和准确的替代传统的血液检测诊断贫血和相关条件.
科学领域:
- 生物医学工程 生物医学工程
- 医疗成像医学成像
- 医疗保健中的人工智能
背景情况:
- 血红蛋白对于氧气运输至关重要;异常水平表明各种疾病.
- 目前的血红蛋白测量方法是侵入性的,需要取血样和专用设备.
- 像结膜白这样的身体迹象显示出非侵入性贫血检测的潜力.
研究的目的:
- 开发一种非侵入性,准确且具有成本效益的深度学习模型来预测血红蛋白水平.
- 用结膜图像作为血红蛋白估计的主要数据来源.
- 减少与传统基于血液的诊断方法相关的医疗浪费.
主要方法:
- 收集了388名献血者的结膜图像和临床数据 (年龄,体重,身高,性别,血红蛋白水平).
- 增加了用身体质量指数 (BMI) 数据来增强数据集.
- 采用深度学习方法进行预测建模.
主要成果:
- 在 95% 置信区间下,达到了 1.23 g/dL 的协议极限 (LoA).
- 报告的偏差为0.26g/dL,平均绝对百分比误差 (MAPE) 为3.4%,根平均平方误差 (RMSE) 为0.68g/dL.
- 与现有的非侵入性方法相比,证明了高精度和成功的结果.
结论:
- 开发的深度学习模型为血红蛋白水平估计提供了一种可行的非侵入性方法.
- 这种技术可以显著帮助早期诊断与血红蛋白有关的疾病.
- 该方法具有成本效益,快速,并且不产生医疗废物,促进可持续的医疗保健.
