通过在VoFoCD数据集中整合全球信息和本地特征来改进喉腔镜图像分析

科学领域:

• 医疗成像医学成像
• 医疗保健中的人工智能
• 耳鼻喉科 耳鼻喉科 耳鼻喉科

背景情况:

• 喉腔镜对于诊断声疾病至关重要,需要精确识别解剖结构和病变.
• 当前的诊断方法缺乏对物体检测和喉镜中的图像分类的同时优化.
• 准确的视觉评估对于喉科有效的临床决策至关重要.

研究的目的:

• 引入VoFoCD数据集,用于喉镜检测和图像分类.
• 提出一个新的多任务高效转换器网络用于喉腔镜 (MEAL) 进行增强诊断.
• 为了提高人工智能辅助声障碍诊断的准确性和可解释性.

主要方法:

• 开发VoFoCD数据集,包括四个类别和六种喉物体类型的1724个喉科图像.
• 实施MEAL网络,一种多任务变压器模型,用于分类声图像和检测喉地标/损伤.
• 在MEAL中整合注意力地图,用于可解释的AI,可视化临床解释的关键区域.

主要成果:

• 在VoFoCD数据集上,MEAL模型实现了高性能,图像分类的准确性为0.951.
• 对象检测性能很强,平均精度为0.874 (mAP50).
• 该模型在模拟的临床场景中显示出强度,包括那些具有喉镜过程变化的场景.

结论:

• 拟议的MEAL网络有效地整合了全球和本地特征,用于准确的语音折叠图像分析.
• MEAL有助于视觉识别和分类良性和恶性声病变,支持喉科医生.
• 这种人工智能驱动的方法提高了喉内镜的诊断能力,改善了对声障碍患者的护理.