通过使用深度学习,在胸部X射线图上对狗气管缩进行自动分类和分级

科学领域:

• 兽医放射学 兽医放射学
• 人工智能在医学中的应用
• 狗的呼吸系统疾病 狗的呼吸系统疾病

背景情况:

• 气管塌是一种渐进的呼吸道疾病,症状严重程度与塌程度相关.
• 由于诊断的不确定性,解释气管缩的放射图对兽医提出了挑战.
• 需要自动查工具来改善兽医环境中的疾病检测.

研究的目的:

• 开发和评估一种人工智能 (AI) 模型,用于查狗气管缩.
• 用X射线图来区分正常的气管和不同程度的气管崩.
• 评估AI模型的诊断性能和可靠性.

主要方法:

• 一个基于You-Only-Look-Once (YOLO) 算法 (v3,v4,v4 tiny) 的AI模型被训练和测试.
• 该模型使用了对狗的存档侧面宫胸部X射线图.
• 特别评价了YOLO v4 tiny-416模型的选能力.

主要成果:

• 在YOLO v4 tiny-416模型中,在分类气管倒塌时,获得了98.30%的灵敏度,99.20%的特异性和98.90%的准确性.
• 该模型成功地将正常气管与1-2级和3-4级气管缩区分开来.
• 高诊断准确性得到证实,精度回忆曲线下的面积>0.8.8.
• 在AI模型和放射科医生之间观察到极好的一致性 (κ=0.975) 和一致性 (ICC>0.90).

结论:

• 开发的深度学习模型是一个可靠的工具,用于选和分类犬气管缩.
• 这种人工智能方法可以帮助兽医通过使用标准放射图来诊断气管缩.
• 该模型提供了一种有价值的方法,可以提高犬呼吸道疾病评估的效率和准确性.