一个基于深度学习的自动光度分析软件,用于乳房美学评分
Joseph Kyu-Hyung Park1, Seungchul Baek1, Chan Yeong Heo1
1Department of Plastic and Reconstructive Surgery, Seoul National University Bundang Hospital, Seoul National University College of Medicine, Seongnamsi, Gyeonggi-do, Republic of Korea.
Archives of plastic surgery
|March 1, 2024
概括
首尔乳房美学评分工具 (S-BEST) 使用深度学习从2D照片进行自动化乳房美学评估. 它准确地测量了地标和不对称性,提供了可靠的临床和研究工具.
科学领域:
- 医学成像医学成像
- 计算机视觉 计算机视觉 计算机视觉
- 整形手术 整形手术 整形手术
背景情况:
- 主观的乳房美学评估需要客观的,自动化的工具.
- 首尔乳房美学评分工具 (S-BEST) 是为光度分析而开发的.
- S-BEST使用DenseNet-264深度学习模型进行里程碑和不对称性评估.
研究的目的:
- 开发和验证一个自动化的软件工具,用于客观的乳房美学评估.
- 评估S-BEST在测量乳腺标志和不对称指数方面的准确性.
- 为了将S-BEST测量与体检数据进行比较.
主要方法:
- 训练一个DenseNet-264模型从前部乳房照片上的30个注释地标上.
- 实现图像预处理,包括比率校正和规范化.
- 在100名女性乳腺癌患者的物理测量中验证S-BEST的准确性.
主要成果:
- 在自动地标定位方面,S-BEST实现了高精度,与物理测量相比,统计差异最小.
- 乳头到乳下折叠距离显示出显著的偏差.
- 乳头到乳房内膜折叠距离的确定系数在0.3787到0.4234.4之间.
结论:
- S-BEST提供了一种快速,可靠,自动化的方法,用于使用2D正面图像进行乳房美学评估.
- 该工具可用于临床和研究应用.
- 局限性包括无法评估体积数据或多个视角.
