计算机视觉检测到印度患者队列中的标准化智能手机照片中的炎症性关节炎
Sanat Phatak1, Somashree Chakraborty2, Pranay Goel2
1KEM Hospital Research Centre, Pune, India.
Frontiers in medicine
|November 29, 2023
概括
使用卷积神经网络 (CNN) 的计算机视觉在检测炎症性关节炎症患者的手关节炎症方面表现有前途. 这项技术为诸如类风湿性关节炎等疾病的自动查和监测提供了潜力.
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
- 风湿病学诊断 风湿病学诊断
背景情况:
- 计算机视觉和深度学习,特别是卷积神经网络 (CNN),越来越多地应用于临床任务.
- 在分析医疗图像方面,CNN已经证明了其潜力,包括X射线和照片.
研究的目的:
- 通过使用标准化的智能手机照片,评估CNN在检测三只手关节炎症方面的性能.
- 为了将CNN的诊断准确度与风湿病学家的评估进行比较.
主要方法:
- 招募了100名患有早期炎症性关节炎的患者; 关节炎是由风湿病学家评估.
- 使用ResNet-101 CNN,对手部关节的标准化智能手机照片被捕获并分析.
- 报告了手腕,食指近距离间关节 (IFPIP) 和中指近距离间关节 (MFPIP) 的性能指标 (准确度,灵敏度,特异性).
主要成果:
- 在MFPIP中,CNN在检测突炎方面取得了最高的表现 (83%的准确度,77%的灵敏度,88%的特异性).
- IFPIP关节的性能是74%的精度,74%的灵敏度和75%的特异性.
- 对于手腕关节,CNN报告了62%的准确性,90%的灵敏性和21%的特异性.
结论:
- 计算机视觉可以从标准化的照片中以合理的准确度检测手关节炎症,即使使用小的数据集.
- CNN模型不需要特征工程,并且在各种临床诊断中表现得足够好.
- 用更大的数据集进行进一步的研究可能会提高准确性并阐明分类机制,这表明计算机视觉在查和监测炎症性关节炎症方面发挥了作用.
