在计算机断层扫描中深度学习,以预测慢性鼻炎与鼻的内型
Weidong Du1, Weipiao Kang1, Shixin Lai2
1Department of Otolaryngology-Head and Neck Surgery, The Second Affiliated Hospital of Shantou University Medical College, 69 North Dongxia Road, 515041, Shantou, Guangdong, China.
BMC medical imaging
|January 24, 2024
概括
一个新的深度学习模型使用CT扫描准确地预测了带鼻息肉的慢性鼻炎 (CRSwNP) 内型. 这种非侵入性方法有助于鼻科医生为CRSwNP患者制定精确的治疗策略.
科学领域:
- 耳鼻喉科 耳鼻喉科 耳鼻喉科
- 医疗成像医学成像
- 人工智能的人工智能
背景情况:
- 由于治疗策略不同,精确的内型定型对于治疗带鼻息肉的慢性鼻炎 (CRSwNP) 至关重要.
- 目前的方法可能不足以准确地确定CRSwNP患者的内型.
- 开发用于预测CRSwNP内型的非侵入性工具对于个性化医学至关重要.
研究的目的:
- 开发一种新的深度学习模型,用于预测CRSwNP内型.
- 为了利用鼻鼻计算机断层扫描 (CT) 成像用于内型预测.
- 为了提高CRSwNP中的内型分类的准确性.
主要方法:
- 使用剩余网络-18架构构建了一个深度学习模型.
- 从251名CRSwNP患者获得的29993张鼻腔CT图像被追溯分析.
- 用损失函数,准确性,混矩阵和ROC曲线来评估模型性能.
主要成果:
- 深度学习模型在测试组中表现出高的区分性性能,曲线下的面积 (AUC) 为0.963.
- 混矩阵的Kappa分数在训练 (0.985),验证 (0.928) 和测试 (0.922) 集中都非常出色.
- 该模型实现了预测CRSwNP内型的0.962的整体AUC.
结论:
- 开发的深度学习模型为CRSwNP内型评估提供了一个有前途的非侵入性方法.
- 这种工具可以帮助鼻科医生选择CRSwNP的精确治疗策略.
- 这项研究强调了人工智能在推进个性化鼻科护理方面的潜力.
