开发和验证基于智能手机的深度学习支持系统,以检测中耳条件在镜图像的发展和验证

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:

• 中耳病常常是初级保健诊所的常见原因,并导致听力损失和过度使用抗生素.
• 深度学习 (DL) 提供了增强光镜图像解释的潜力.

研究的目的:

• 开发和评估一个支持DL的系统,用数字耳镜图像来诊断中耳疾病.
• 为了评估DL模型的诊断准确性,与高级耳鼻喉科专家相比.

主要方法:

• 一个DL模型 (Inception-v2) 被训练在一个ENT实践中的41,664张耳镜图像上.
• 该模型在验证 (3,962 图像) 和测试 (326 图像) 组中进行了评估.
• 该DL模型被集成到一个智能手机应用程序 (i-Nside).

主要成果:

• 在测试组中,DL模型在正常和异常图像上达到99.0%的灵敏度和95.2%的特异性.
• 塞的检测达到100%的灵敏度和97.7%的特异性.
• 对于其他中耳疾病的表现不同,灵敏度从33.3%到92.3%不等.

结论:

• 一个端到端的DL系统证明了专家级的诊断准确性,用于正常的耳方面和插头在光学图像中.
• 该系统对其他中耳疾病的准确性需要进一步调查.
• 建议在广泛临床实施之前进行前性验证.