基于计算机的面部识别作为一种辅助诊断工具,用于识别患有努南综合征的儿童
Yulu Huang1, Haomiao Sun2,3, Qinchang Chen4
1Department of Pediatric Cardiology, Guangdong Cardiovascular Institute, Guangdong Provincial People's Hospital, Guangdong Academy of Medical Sciences, No. 106, Zhongshan 2nd Road, Yuexiu District, Guangzhou, China.
BMC pediatrics
|May 23, 2024
概括
先进的AI模型使用面部特征准确识别努南综合征 (NS) 患者. 与人类医生相比,计算机辅助面部识别,特别是VGG19-BN,显示出优越的诊断性能,改善了NS诊断率.
科学领域:
- 医学成像分析分析 医学成像分析
- 医疗保健中的人工智能
- 遗传性疾病诊断 遗传性疾病诊断 遗传性疾病诊断
背景情况:
- 努南综合征 (NS) 是一种罕见的遗传性疾病,其特征是明显的面部形.
- 面部分析技术已经显示出识别遗传综合征的潜力.
- 有限的研究存在于识别NS使用面部特征.
研究的目的:
- 开发先进的计算模型,以便更好地诊断努南综合征.
- 通过人工智能提高NS识别的准确性和效率.
主要方法:
- 从面部照片创建了一个包含1892个人的数据集 (233名NS患者,863名其他GS患者,796名健康儿童).
- 多任务卷积神经网络 (MTCNN) 用于面部地标检测和数据标准化.
- 七个深度学习模型 (VGG16,VGG19,VGG16-BN,VGG19-BN,ResNet50,MobileNet-V2,SENet) 进行了培训和评估.
- 模型的性能与六名医生的诊断准确性进行了比较.
主要成果:
- 所有开发的模型都在识别NS患者方面表现出高准确度,精度和特异性.
- VGG19-BN模型实现了最佳性能 (93.76%的精度,91.40%的精度,98.73%的特异性).
- 基于VGG架构的模型优于其他架构,所有AI模型在所有指标上都超过了最好的医生诊断分数.
结论:
- 计算机辅助面部识别模型显著提高了诺南综合征的诊断率.
- VGG19-BN和VGG16-BN模型在NS诊断中具有很强的临床应用潜力.


