预测使用深度学习对低光神经刺激的治疗反应.
Rahul Alapati1, Bryan Renslo2, Laura Jackson3
1Department of Otolaryngology-Head and Neck Surgery, University of Kansas, Kansas City, Kansas, U.S.A.
The Laryngoscope
|June 27, 2024
概括
机器学习和深度学习模型可以使用药物诱导睡眠内镜 (DISE) 图像预测低分泌神经刺激器 (HGNS) 的有效性. 维洛法林克斯图像显示,在阻塞性睡眠呼吸暂停患者中,确定治疗成功的可能性最大.
科学领域:
- 医学成像分析分析 医学成像分析
- 医学中的人工智能
- 睡眠的药物 睡眠的药物
背景情况:
- 阻塞性睡眠呼吸暂停 (OSA) 是一种常见的疾病.
- 低分泌神经刺激器 (HGNS) 植入是适度至重度OSA的有效治疗方法.
- 预测HGNS的疗效对于患者的选择至关重要.
研究的目的:
- 开发和验证机器学习 (ML) 和深度学习 (DL) 模型.
- 用药物诱导睡眠内镜 (DISE) 图像预测HGNS植入的治疗疗效.
- 为预测建模确定最佳图像子集 (舌头底部与耳鼻).
主要方法:
- 在127名患者的DISE图像上训练了6个DL和5个ML模型 (响应者与非响应者).
- 使用了舌头底部 (BOT) 和角膜 (VP) 的图像.
- 使用精度,回忆,F1得分和整体准确度评估模型性能.
主要成果:
- 在VP图像上训练的模型表现出比BOT或组合集更高的准确性.
- VCG-16 DL模型在VP图像上取得了最高的性能 (精度为0.833,F1 0.78,回忆为0.883).
- 后勤回归是表现最好的ML模型 (精度为0.685,F1为0.813).
结论:
- DL模型显示了从DISE图像中预测HGNS治疗疗效的潜力.
- 大鼻成像包含了预测治疗成功的关键特征.
- 未来的多机构数据集对于可通用的预测模型是必要的.
