机器学习分析眼神数据,以提高诊断口腔粘膜疾病的精度
Shuji Uchida1, Shin-Ichiro Hiraoka1, Kohei Kawamura1
1Department of Oral and Maxillofacial Surgery, Graduate School of Dentistry, Osaka University, 1-8 Yamada-Oka, Suita 565-0871, Osaka, Japan.
Journal of clinical medicine
|January 11, 2024
概括
这项研究开发了一种使用眼睛跟踪数据的诊断算法,以改善口腔疾病的诊断. 通过可视化牙医的眼神模式,确定了用于更准确和更有效的损伤评估的关键领域.
科学领域:
- 眼科医生 眼科 眼科
- 牙科 牙科是指牙科的专业.
- 医学诊断 医学诊断 医学诊断
背景情况:
- 诊断口腔粘膜疾病存在挑战,因为其特征各异,缺乏明确的视觉检查指南.
- 对口腔病变的准确风险评估是复杂的,阻碍了有效的诊断策略.
研究的目的:
- 通过分析凝视数据,开发口腔粘膜疾病的诊断算法.
- 通过客观的视觉行为分析,提高口腔病变诊断的准确性和效率.
主要方法:
- 在口腔粘膜疾病检查期间,从78名使用Tobii Pro Nano的牙医收集了视线数据.
- 支持矢量机器和热图被用来分析凝视模式,包括凝视数和持续时间.
- 内口摄影根据粗的特征进行分类,以确定诊断上有意义的区域.
主要成果:
- 这项研究证明了在检查期间可视化牙医的凝视倾向的可行性.
- 通过分析眼神数据,确定了诊断至关重要的关键领域.
- 对不同类型的口腔病变确定了最佳的检查方法和诊断上重要的区域.
结论:
- 分析凝视数据提供了一种新的方法来完善口腔粘膜疾病的诊断技术.
- 这种方法有可能提高口腔病变诊断的准确性和效率.
- 视觉化眼神模式可以导致更标准化和更有效的诊断协议.
