一个新的放射学软件原型,可以自动检测内耳,并将正常的从有缺陷的解剖学分类
Abdulrahman Alkojak Almansi1, Sima Sugarova2, Abdulrahman Alsanosi3
1University of Pecs, Faculty of Engineering and Information Technology, Institute of Information and Electrical Technology, Pecs, Hungary.
Computers in biology and medicine
|March 3, 2024
概括
这项研究开发了一种人工智能工具,自动检测CT扫描中的内耳形. 该软件准确地分类正常和异常的解剖学,有助于放射性诊断.
科学领域:
- 放射学 放射学是一门学科.
- 人工智能的人工智能
- 医疗成像医学成像
背景情况:
- 内耳形 (IEM) 需要准确的诊断.
- 当前的诊断方法可能会耗费大量时间.
研究的目的:
- 开发和验证一个自动化的软件原型.
- 阅读医学数字成像和通信 (DICOM) 文件.
- 从头部计算机断层扫描 (CT) 扫描中分类正常和IEM.
主要方法:
- 追溯分析了1200个内耳CTs.
- 开发了自动裁剪算法,用于精确的内耳隔离.
- 训练并验证了一个深度学习卷积神经网络 (DL CNN) 模型.
- 实现了一个图形用户界面 (GUI).
主要成果:
- 自动裁剪实现了92.25%的准确性.
- 在DL CNN模型中,AUC达到0.86.
- 人工智能模型展示了准确性 (0.812),精度 (0.791),回忆 (0.8) 和F1得分 (0.766).
结论:
- 成功开发了一种用于分类内耳解剖的自动化工作流程.
- 该工具显示了在放射性诊断中风险分层的潜力.
- 临床决策需要由合格的医疗专业人员监督.
