一个端到端的CRSwNP预测与多通道ResNet在计算机断层扫描
Shixin Lai1, Weipiao Kang2, Yaowen Chen1
1College of Engineering Shantou University, Shantou 515063, China.
International journal of biomedical imaging
|June 17, 2024
概括
人工智能 (AI) 与多角度鼻腔计算机断层扫描 (CT) 图像相结合,可以准确预测长期鼻炎与鼻息肉 (CRSwNP) 末型. 这种深度学习模型提供了一个非侵入性的方法,用于准确的诊断和个性化的治疗策略.
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:
- 慢性鼻炎 (CRS) 在治疗和高复发率方面存在挑战,影响患者的生活质量.
- 带有鼻息肉的CRS (CRSwNP) 被分为eosinophilic (eCRSwNP) 和nonosinophilic (non-eCRSwNP) 的亚型,但缺乏精确的诊断方法.
- 准确的内型预测对于在CRSwNP管理中推进精准医学至关重要.
研究的目的:
- 开发和验证一种人工智能驱动的方法,用于使用多角度鼻腔CT图像预测CRSwNP内型.
- 在治疗前非侵入性地区分eCRSwNP和非eCRSwNP患者.
- 为了提高诊断准确度,并促进个性化治疗策略,CRSwNP.
主要方法:
- 开发了一种深度学习模型,利用多通道特征自适应融合方法.
- 该模型在22265张来自192名CRSwNP患者的多角度鼻CT图像的数据集上进行了训练和测试.
- 人工智能模型分析了CT图像,以根据微妙的成像特征区分eCRSwNP和非eCRSwNP.
主要成果:
- 人工智能模型实现了高诊断性能,准确率为98.43%,精度为98.1%,回忆率为98.1%,特异性为98.7%,AUC为0.984.
- 多通道CT图像提供了更丰富的信息,与单通道方法相比,改善了模型的预测能力.
- 多通道特征自适应融合模型有效地捕获了多尺度的空间特征,以提高检测准确度.
结论:
- 使用人工智能对多角度鼻腔CT图像进行分析,为预测CRSwNP内型提供了一个高度准确和非侵入性的方法.
- 这种方法支持精准医学的发展,因为它能够准确地进行治疗前的内型分类.
- 这项研究为改善CRSwNP的诊断准确性和定制治疗干预措施铺平了道路.
