人工智能用于自动检测和细分鼻多重症:一个试点研究
Vittorio Rampinelli1, Alberto Paderno2, Carlo Conti3
1Unit of Otorhinolaryngology - Head and Neck Surgery, Department of Surgical and Medical Specialties, Radiological Sciences, and Public Health, School of Medicine, ASST Spedali Civili, University of Brescia, Brescia, Italy. vittorio.rampinelli@gmail.com.
概括
一个人工智能算法有效地对使用内镜视频的慢性鼻炎与鼻多重症 (CRSwNP) 患者进行细分. 这个工具有助于准确诊断和CRSwNP的治疗计划.
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:
- 准确的诊断和量化鼻息肉对于管理慢性鼻炎与鼻息肉症 (CRSwNP) 至关重要.
- 当前的诊断方法可能会从先进的图像分析工具中受益.
研究的目的:
- 开发基于人工智能的图像分析系统,从鼻腔内镜视频中对鼻息肉进行细分.
- 评估人工智能算法的有效性,以识别和划分CRSwNP患者的鼻息肉.
主要方法:
- 来自52名CRSwNP患者的鼻视频内镜的回顾性分析.
- 使用Roboflow进行手动细分,然后对342张图像进行Ultralytics YOLOv8.0.28模型的训练.
- 使用YOLOv8s-seg模型进行自动细分.
主要成果:
- 在验证组中,YOLOv8s-seg模型表现出高性能,精度为0.91,mAP50为0.949.
- 细分任务指标显示,IOU的平均平均精度 (mAP) 在0.675和0.679之间,从50%到95%.
- 人工智能模型由195个层组成,需要42.4个GFLOP才能运行.
结论:
- 一个训练有素的AI算法可以有效地识别和划分CRSwNP患者的鼻息肉.
- 人工智能系统显示出作为CRSwNP现有诊断方法的补充工具的希望.
- 进一步的研究可能会解决一些局限性,例如专注于CRSwNP特定样本.
