使用深度学习卷积神经网络进行疾病诊断的面部识别:系统性审查和元分析
Xinru Kong1,2, Ziyue Wang1, Jie Sun3
1Shandong University of Traditional Chinese Medicine, No. 16369, Jingshi Road, Lixia District, Jinan City, Shandong Province 250355, China.
Postgraduate medical journal
|August 5, 2024
概括
深度学习面部识别显示高精度 (91.0%) 诊断罕见疾病和条件,如面部. 这项技术为医疗识别和未来应用提供了一个有前途的工具.
科学领域:
- 医疗信息学 医疗信息学
- 人工智能在医学中的应用
- 计算机视觉 计算机视觉
背景情况:
- 深度学习 (DL) 网络正在快速发展,医疗保健领域对面部识别技术的兴趣日益增加.
- 目前正在探索面部识别应用程序,用于诊断各种疾病.
研究的目的:
- 系统地审查过去十年关于基于DL的面部识别的文献,以诊断罕见的异形疾病和面部.
- 评估DL面部识别在疾病识别中的有效性和适用性.
主要方法:
- 按照PRISMA指南进行系统的文献审查,搜索PubMed和其他数据库.
- 关键词:深度学习卷积神经网络,面部识别,疾病识别.
- 选了208篇文章,使用Stata 14.0.0进行元分析,选择了22篇.
主要成果:
- 分析了22项研究,包括57,953例病例 (43,301例患病样本).
- 分析显示,在疾病诊断中,DL面部识别的准确率为91.0% (95% CI:87.0%95.0%).
结论:
- 基于DL的面部识别技术在疾病诊断中表现出高准确度.
- 结果为该技术的进一步开发和临床应用提供了基础.
更多相关视频
04:48Application of Deep Learning-Based Medical Image Segmentation via Orbital Computed Tomography
Published on: November 30, 2022
2.7K
09:37Combining Reflectance Confocal Microscopy with Optical Coherence Tomography for Noninvasive Diagnosis of Skin Cancers via Image Acquisition
Published on: August 18, 2022
2.3K
