揭示新的模式:用于肠道阻塞管理的外科深度学习模型

科学领域:

• 医学成像分析 医学成像分析
• 在外科手术中使用人工智能
• 胃肠道手术 胃肠道手术

背景情况:

• 肠道阻塞的有效管理需要快速而精确的临床决定.
• 当前的诊断方法可能会从先进的计算工具中受益.

研究的目的:

• 开发和评估一个深度学习模型,以加强肠道阻塞病例的决策.
• 整合人工智能与外科专业知识,以改善患者的治疗结果.

主要方法:

• 使用YOLOv8框架创建了一个深度学习模型.
• 该模型在700张分类图像 (手术与非手术) 上受过训练,手术结果作为基础真相.
• 使用标准评估指标评估绩效.

主要成果:

• 该模型在0.5的置信值下实现了83.33%的灵敏度和78.26%的特异性.
• 精度为81.7%,回忆率为75.1%,平均平均精度 (mAP@0.5) 为0.831.
• 该模型在分类管理策略方面表现出强的表现.

结论:

• 深度学习模型在区分肠道阻塞的手术和非手术管理方面显示出显著的潜力.
• 将人工智能与外科知识相结合,可以增强临床决策.
• 这项技术可以在复杂的病例中帮助外科医生,促进人工智能和临床判断之间的协同作用,以推进患者护理.