基于鼻腔内镜图像的深度学习模型来区分鼻腔质量
Junhu Tai1, Munsoo Han1,2, Bo Yoon Choi1
1Department of Otorhinolaryngology-Head & Neck Surgery, College of Medicine, Korea University, Seoul, Republic of Korea.
BMC medical informatics and decision making
|May 29, 2024
概括
一个新的深度学习算法有助于使用内镜图像区分鼻息肉和逆向乳头瘤. 这种计算机辅助诊断系统在识别病变位置方面显示出高可靠性,改善了病理前诊断.
科学领域:
- 耳鼻喉科 耳鼻喉科 耳鼻喉科
- 医疗成像医学成像
- 人工智能的人工智能
背景情况:
- 鼻息肉和倒置乳头瘤存在诊断上的挑战,因为它们具有类似的内镜外观.
- 准确的区分对于适当的临床管理至关重要.
- 目前内镜检查的局限性需要先进的诊断工具.
研究的目的:
- 开发和评估深度学习算法,用于计算机辅助诊断鼻腔内镜图像.
- 为了区分鼻和逆转乳头瘤.
- 为了提高鼻腔质量的病前诊断准确度.
主要方法:
- 深度学习模型使用课程学习对鼻腔内镜图像 (补丁和全尺寸) 进行训练.
- 计算机辅助诊断系统的评估,用于分类鼻息肉,倒置乳头瘤和正常组织.
- 使用五倍交叉验证的性能分析.
主要成果:
- 该模型实现了高性能指标,包括正常组织分类的曲线下的面积 (AUC) 为0.97.
- 对于鼻息肉,最好的性能指标包括AUC为0.89.
- 对于反向乳头瘤,最好的性能指标包括AUC为0.83.
结论:
- 开发的卷积神经网络在鼻腔内镜图像内定位病变方面表现出高可靠性.
- 梯度加权类激活映射结果与耳鼻喉科医生的评估一致.
- 深度学习算法显示了在组织病理学确认之前改善临床诊断的潜力.
