相关实验视频
Updated: Jul 1, 2025
09:26
Quantification of Orofacial Phenotypes in Xenopus
Published on: November 6, 2014
9.8K
3种计算机辅助面部表型化工具 (DeepGestalt,GestaltMatcher和D-Score) 的验证:比较诊断准确性研究
Alisa Maria Vittoria Reiter1, Jean Tori Pantel1,2,3, Magdalena Danyel1,4,5
1Institute of Medical Genetics and Human Genetics, Charité - Universitätsmedizin Berlin, corporate member of Freie Universität Berlin and Humboldt-Universität zu Berlin, Berlin, Germany.
Journal of medical Internet research
|March 13, 2024
概括
与DeepGestalt和GestaltMatcher相比,D-Score算法在识别遗传综合征中的面部异形症方面表现出卓越的性能. 这个工具可以帮助临床医生确定是否需要进一步的遗传评估,特别是对于那些有有限的综合征学经验的人来说.
科学领域:
- 医学成像分析分析 医学成像分析
- 计算生物学是一种计算生物学.
- 临床遗传学 临床遗传学
背景情况:
- 面部特征对于诊断遗传综合征至关重要,但评估可能很困难.
- 像DeepGestalt和GestaltMatcher这样的先进算法分析患者图像以识别综合征.
- D-Score量化了面部形,为评估提供了一个新的指标.
研究的目的:
- 为了评估面部表型化工具的临床实用性:D-Score,GestaltMatcher和DeepGestalt.
- 为了对这些最先进的算法进行基准对比.
- 评估它们的准确性,敏感性,特异性和潜在的偏见.
主要方法:
- 一个回顾性分析的4796个患者的图像在486个遗传综合征和323个对照图像.
- 对D-Score,GestaltMatcher和DeepGestalt性能指标的评估. 这些指标包括:
- 评估与年龄,性别和种族有关的偏见.
主要成果:
- 根据DeepGestalt的建议,GestaltMatcher比GestaltMatcher (1128) 更多的综合征 (340),其中前30名的敏感度更高 (88%对76%).
- D-Score显示了最高的区分能力 (AUROC 0.86),超过了DeepGestalt (0.73) 和GestaltMatcher (0.55) 的表现.
- D-Score显示,随着年龄的增长,水平增加,男性的得分更高;种族没有明显的影响.
结论:
- D-Score可以帮助临床医生识别需要基因评估的患者,特别是那些具有有限综合症专业知识的患者.
- DeepGestalt对于诊断面部异常的常见遗传综合征非常有价值.
- 吉斯塔尔特匹配器可以帮助识别罕见的遗传综合征,当有特征的面部特征存在时.
