计算机辅助诊断屏幕用于具有面部表型的先天性中央低通风综合征
Susan M Slattery1,2, James Wilkinson3, Angeli Mittal4,3
1Division of Autonomic Medicine, Department of Pediatrics, Ann & Robert H. Lurie Children's Hospital of Chicago, Chicago, IL, USA. SSlattery@luriechildrens.org.
Pediatric research
|January 18, 2024
概括
对面部照片的自动分析可以在儿童中识别先天性中央低通风综合征 (CCHS). 这种方法通过检测与PHOX2B基因相关的微妙面部表型来帮助早期诊断,从而改善患者的治疗结果.
科学领域:
- 遗传学 是一个遗传学.
- 儿科 儿科 儿科
- 医疗成像医学成像
- 机器学习 机器学习
背景情况:
- 先天性中央低通风综合征 (CCHS) 是一种罕见但严重的疾病,往往是晚诊断的.
- 尽管已知遗传 (PHOX2B) 和面部标志物,不足诊断仍然存在.
- 早期识别对于及时干预和改善患者预后至关重要.
研究的目的:
- 开发和验证用于CCHS查的自动化面部分析技术在多样化的儿科群体.
- 研究CCHS患者中PHOX2B基因型和面部表型之间的关系.
- 提高早期病例识别和诊断率,以改善CCHS.
主要方法:
- 对CCHS患者和对照者的面部照片根据年龄,性别和种族/民族相匹配.
- 主要组件分析 (PCA) 和后勤回归用于特征归属和分类.
- 机器学习模型,包括神经网络,被训练来根据面部特征对CCHS进行分类.
主要成果:
- 自动化模型成功地将CCHS分类为高灵敏度,神经网络达到90%的中位灵敏度.
- 与CCHS相关的微妙面部表型被证实使用基于梯度的特征归属.
- 在不同的PHOX2B基因型和包括外部数据集时,分类性能保持稳健.
结论:
- 自动化,低成本的机器学习模型可以使用面部特征有效地选CCHS.
- 这项技术可以帮助医疗保健提供者识别有风险的儿童,并促使PHOX2B基因测试.
- 面部分析有望解决CCHS的不足诊断问题,并使关键的及时干预成为可能.
更多相关视频
10:23Author Spotlight: Three-Dimensional Cephalometric Landmark Annotation Demonstration on Human Cone Beam Computed Tomography Scans
Published on: September 8, 2023
2.8K
09:03Nasal Brushing Sampling and Processing Using Digital High Speed Ciliary Videomicroscopy – Adaptation for the COVID-19 Pandemic
Published on: November 7, 2020
4.8K
