在内耳形患者中,基于机器学习预测耳植入的结果
Jiuling Weng1, Shujin Xue2, Xingmei Wei2
1Laboratory of Haihui Data Analysis, School of Mathematical Sciences, Beihang University, 37 Xueyuan Road, Haidian District, Beijing, 100191, China.
概括
3D成像和机器学习可以预测内耳形患者的耳植入结果. 耳体积和通道长度是关键预测因素,有助于手术规划,以获得更好的结果.
科学领域:
- 耳鼻喉科 耳鼻喉科 耳鼻喉科
- 医疗成像医学成像
- 机器学习 机器学习
背景情况:
- 耳植入器 (CI) 是一种治疗听力损失的方法.
- 耳低成形 (CH) 和不完全分割 (IP) 是影响CI结果的内耳形.
- 预测这些患者的CI成功是具有挑战性的,因为解剖学变异.
研究的目的:
- 使用3D图像重建可视化有缺陷的耳结构.
- 开发一种CI术后结果的预测模型,用于CH和IP患者.
- 确定影响CI成功的关键放射性特征.
主要方法:
- 从接受CI的CH和IP患者收集了临床数据.
- 使用3D细分分析了耳的特征.
- 通过审计性能类别 (CAP) 和语音可理解性评分 (SIR) 评估的结果.
- 开发了一个使用K-近邻 (KNN) 算法的预测模型.
主要成果:
- 耳体积 (V) 和耳通道长度 (CDL) 是听力和语音康复结果的重要预测因素.
- 在听力康复预测方面,KNN模型实现了93.3%的准确性.
- 在语音康复预测方面,KNN模型实现了86.7%的准确性.
结论:
- 3D重建和放射性特征在临床上与预测状带形的CI预后有关.
- 开发的预测模型可以帮助外科医生进行手术前的规划.
- 这种方法为内耳形患者预期的CI结果提供了明智的观点.
