在视频光镜吞研究中使用深度学习来细分玻尿酸
Nadeem Shaheen1, Ryan Burdick2,3, Rodolfo Peña-Chávez2,4
1Department of Medical Physics, University of Wisconsin-Madison, Madison, WI, United States of America.
Biomedical physics & engineering express
|November 10, 2023
概括
人工智能 (AI) 螺旋体细分显示了改善视频光镜吞研究 (VFS) 分析的希望. 然而,由于解剖学干扰,AI性能在口腔下降,需要进一步优化网络.
科学领域:
- 医学成像分析分析 医学成像分析
- 医疗保健中的人工智能
- 吞障碍的诊断 吞障碍的诊断
背景情况:
- 人工智能 (AI) 细分提供了增强视频光学吞研究 (VFS) 分析的潜力,通过使客观度量确定.
- 了解AI的局限性对于VFS的可靠临床应用至关重要.
研究的目的:
- 为了评估AI螺旋体细分网络的性能,用于VFS分析.
- 确定影响VFS中的AI细分精度的挑战和局限性.
主要方法:
- 80名患者的口腔到吞端的薄/液体玻尿酸手动轮.
- 培训和验证使用75/25数据分割与4倍交叉验证.
- 使用 Dice 系数作为损失和性能指标测试的 U-Net 架构.
主要成果:
- 验证组中的平均子系数为0.67.
- 由于牙和残留物的错误分类,AI在口腔中的性能下降.
- 在不同吞阶段的网络培训流程和性能中观察到很高的变化.
结论:
- 人工智能螺旋体细分是有效的,但面临挑战,特别是在口腔内.
- 网络性能受解剖结构和球体大小的影响,需要有针对性的改进.
- 需要进一步的研究来优化人工智能模型,以便进行强大的VFS分析.


