通过使用骨计算机断层扫描图像的可解释深度学习来自动检测耳硬化症
Zheng Wang1,2, Jian Song3,4, Kaibin Lin1,2
1School of Computer Science, Hunan First Normal University, Changsha, 410205, China.
Heliyon
|April 24, 2024
概括
这项研究开发了一个可解释的深度学习系统,使用骨CT扫描自动检测耳硬化. 该系统实现了与耳鼻喉科医生可比的高精度.
科学领域:
- 医疗成像医学成像
- 人工智能的人工智能
- 耳鼻喉科 耳鼻喉科 耳鼻喉科
背景情况:
- 耳硬化诊断依赖于成像,但自动检测方法有限.
- 可解释深度学习为改善诊断准确性和效率提供了潜力.
研究的目的:
- 开发一个自动化和可解释的深度学习系统来检测耳硬化.
- 评估系统的诊断性能与使用骨CT扫描的临床专家对比.
主要方法:
- 追溯分析了182例耳硬化和157例控制骨CT扫描.
- 使用VGG19,Mask RCNN和EfficientNet模型应用转移学习.
- 使用接收器操作特征曲线和突出度图进行评估,与3名专家耳鼻喉科医生进行比较.
主要成果:
- 自动化系统在未见的数据上实现了0.97的灵敏度和0.98的特异性.
- 该系统的诊断准确度 (AUC 0.99) 与耳鼻喉科医生 (P < 0.05) 的诊断准确度相当.
- 突出地图为深度学习模型的决策提供了可解释性.
结论:
- 一个可解释的深度学习系统可以通过CT扫描有效地检测耳硬化.
- 开发的系统证明了与临床专家相提并论的诊断性能.
- 这种自动化方案有助于对耳硬化症的差异诊断.


