实时喉癌边界划定在白光和窄带成像喉腔镜与深度学习
Claudio Sampieri1,2,3, Muhammad Adeel Azam4,5, Alessandro Ioppi6,7,8
1Department of Experimental Medicine (DIMES), University of Genova, Genoa, Italy.
The Laryngoscope
|January 4, 2024
概括
深度学习模型SegMENT-Plus在内镜图像上准确地细分喉癌,匹配耳鼻喉科住院医生. 这项技术显示了实时手术指导和改善切除边缘的前景.
科学领域:
- 耳鼻喉科 耳鼻喉科 耳鼻喉科
- 人工智能的人工智能
- 医疗成像医学成像
背景情况:
- 喉癌的诊断和手术规划依赖于精确的瘤范围的可视化.
- 在内镜图像上手动划分喉癌是主观的,耗时的.
- 深度学习为自动化和客观图像分析提供了潜力.
研究的目的:
- 评估深度学习模型 (SegMENT-Plus) 的有效性,以自动细分喉癌的表面范围.
- 为了比较模型的性能与人类专家的界定.
- 评估模型的通用性和实时适用性.
主要方法:
- 对3933张喉癌内镜图像 (白光和NBI) 的回顾性分析.
- 对SegMENT-Plus细分模型的培训和验证.
- 模型性能 (DSC,IoU,准确性) 与两个耳鼻喉科住院医生在外部数据集和手术视频中进行比较.
主要成果:
- 在 SegMENT-Plus 实现了高性能指标:DSC 0.83,IOU 0.83,准确度 0.97.
- 该模型的表现与耳鼻喉科住院医生的表现相似.
- 在外部数据集和实时视频测试中实现了优异的概括性.
结论:
- SegMENT-Plus精确地界定了喉癌,与专家临床医生相提并论.
- 该模型具有强大的概括能力,适用于各种数据集.
- 它的高推断速度支持潜在的实时手术内使用,保证临床试验.
更多相关视频
07:22Minimally Invasive Murine Laryngoscopy for Close-Up Imaging of Laryngeal Motion During Breathing and Swallowing
Published on: December 1, 2023
512
07:53Author Spotlight: Advancing 3D Modeling for Enhanced Diagnosis and Treatment of Pulmonary Nodules in Early-Stage Lung Cancer
Published on: October 13, 2023
1.5K
