对威廉姆斯-比伦综合征的面部识别模型的优化和评估
Pingchuan Huang1, Jinze Huang2, Yulu Huang1
1Department of Pediatric Cardiology, Guangdong Cardiovascular Institute, Guangdong Provincial People's Hospital, Guangdong Academy of Medical Sciences, Guangzhou, Guangdong, China.
European journal of pediatrics
|June 13, 2024
概括
面部识别技术准确地诊断出威廉姆斯 - 布伦综合征 (WBS),表现优于人类专家. VGG-19BN模型显示了临床WBS诊断的巨大潜力,突出了AI.
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
- 遗传疾病诊断 遗传疾病诊断 遗传疾病诊断
背景情况:
- 威廉姆斯-伯伦综合征 (WBS) 是一种罕见的遗传疾病,具有独特的面部特征和潜在的心血管并发症.
- 深层卷积神经网络 (CNN) 显示出通过面部识别来诊断WBS的前景.
研究的目的:
- 为准确的WBS诊断开发和优化面部识别模型.
- 将这些模型的有效性与人类专家的表现进行评估.
主要方法:
- 六个CNN模型 (EfficientNet-b3,ResNet-50,VGG-16,VGG-16BN,VGG-19,VGG-19BN) 经过训练和验证,使用了954张来自WBS患者,其他遗传疾病患者和健康儿童的图像.
- 采用了转移学习和可变的等位数学习率.
- 模型使用五倍交叉验证和外部测试集进行了评估,与人类专家相比,其性能得到了评估.
主要成果:
- 在外部测试组中,VGG-19BN模型获得了最高的准确性 (95.10%) 和F1得分 (91.23%).
- VGG-19BN模型在所有指标上都超过了人类专家,包括准确性,精度,回忆,特异性和F1分数.
- 在交叉验证期间,VGG-16BN实现了最高的召回率 (91.63%).
结论:
- 面部识别技术,特别是基于VGG-19BN的模型,可以准确诊断WBS.
- 这些AI模型为临床WBS诊断提供了有价值的工具.
- 通过增加数据集大小和优化CNN架构,可以实现进一步的改进.
