使用转移学习,具有高准确率的中耳炎自动诊断模型
Fangyu Qi1,2,3, Zhiyu You2,3, Jiayang Guo2,3
1Department of Anesthesiology, The Seventh Affiliated Hospital, Sun Yat-sen University, Shenzhen, China.
Frontiers in molecular biosciences
|April 5, 2024
概括
这项研究使用CT扫描的深度学习来准确诊断慢性辅助性中耳炎 (CSOM) 和中耳胆固醇瘤,达到92%以上的准确性. 该方法改进了这些常见的耳部状况的现有模型.
科学领域:
- 医疗成像医学成像
- 人工智能在医学中的应用
- 耳鼻喉科 耳鼻喉科 耳鼻喉科
背景情况:
- 慢性中耳炎 (CSOM) 和中耳胆固醇瘤存在诊断挑战,因为它们在CT扫描上看起来相似.
- 准确的区分对于有效的患者管理和治疗规划至关重要.
研究的目的:
- 使用CT成像开发用于CSOM和中耳胆固醇瘤的自动诊断系统.
- 利用转移学习和深度学习来改善病变细分和分类准确性.
主要方法:
- 使用了1019个内部听觉通道CT扫描的数据集.
- 采用nnUnet骨架模型与粗粒度的焦点细分标签用于预训练.
- 微调了模型用于三个分类的诊断任务 (CSOM,胆固醇瘤,正常).
主要成果:
- 对于CSOM和中耳胆固醇瘤,获得了92.33%的分类准确度,比基准模型的性能大约高出5%.
- 上游细分任务产生了0.569.9的平均联盟交叉点 (mIoU).
- 证明粗粒度轮边界标签显著提高下游分类性能.
结论:
- 深度学习与自动诊断相结合,对通过CT检测CSOM和中耳胆固醇瘤具有很高的灵敏度和特异性.
- 拟议的方法为准确有效地诊断这些常见的中耳炎疾病提供了一个有前途的工具.
