基于智能手机的设备用于使用卷积神经网络 (CNN) 进行肺炎治疗点诊断
Mohammadreza Ghaderinia1,2,3, Hamed Abadijoo1,2,3, Ashkan Mahdavian3
1Institute of Biochemistry and Biophysics, University of Tehran, Tehran, 1417614335, Iran.
Scientific reports
|March 23, 2024
概括
一种新且易于使用的方法使用液中的电解质模式检测肺炎,由智能手机上的AI分析. 这种低成本的方法可以准确地识别COVID-19等肺部疾病,为CT扫描提供了一个有希望的替代方案.
科学领域:
- 肺部医学 肺部医学
- 诊断成像 诊断成像 诊断成像
- 生物标志物发现发现
背景情况:
- 肺炎,包括COVID-19,需要精确评估肺部参与的有效治疗.
- 目前的诊断方法,如CT扫描,往往是难以使用的或昂贵的,特别是在资源有限的环境中.
- 对于肺炎的负担得起,快速和可访问的诊断工具有着极大的需求.
研究的目的:
- 通过唾液电解质分析引入一种新的,低成本的方法来检测肺炎.
- 评估这种方法在识别肺炎,包括COVID-19的准确性.
- 展示该技术作为可访问的诊断替代品的潜力.
主要方法:
- 从患者的唾液样本中分析了电解质的存在,在空气干燥时形成状结构.
- 这些的图像是用智能手机和便携式迷你显微镜拍摄的.
- 开发了一个人工智能 (AI) 应用程序来分析模式,并区分CT阳性和CT阴性病例.
主要成果:
- 基于电解质的纹分析显示了CT阳性和CT阴性唾液样本之间的明显差异.
- 使用人工智能的智能手机分析在检测肺炎时达到95%的准确性.
- 该方法在与160名患者样本的CT扫描结果相比,显示出高可靠性.
结论:
- 唾液电解质模式分析为诊断COVID-19等肺炎性疾病提供了一种有希望,可靠和可访问的方法.
- 这种方法为CT扫描提供了具有成本效益的替代方案,改善了各种医疗保健机构的诊断可访问性.
- 进一步的验证可能会将这种技术确立为呼吸系统疾病的临床诊断中的一个有价值的工具.
