使用深度学习对人类小膜的光学一致性断层图像的自动细分,使用深度学习
Thomas P Oghalai1, Ryan Long2, Wihan Kim2
1Department of Electrical and Computer Engineering, University of Wisconsin-Madison, Madison, WI 53706, USA.
Algorithms
|August 6, 2024
概括
一个新的机器学习算法在光学一致性断层扫描 (OCT) 图像中准确地识别了耳膜,改善了耳部疾病的诊断. 这一进步简化了耳鼻喉科的分析,使得OCT成为一个更可行的工具.
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:
- 光学一致性断层扫描 (OCT) 对于诊断眼睛疾病和耳学新兴疾病至关重要.
- 手动分析OCT图像用于耳部疾病是复杂和耗时的.
- 准确识别像耳膜这样的解剖结构对于诊断至关重要.
研究的目的:
- 开发和验证一种机器学习算法,用于在OCT图像中自动化带膜细分.
- 提高OCT图像分析在耳鼻喉科的效率和准确性.
- 为了提高耳膜的可视化,以便更好地进行医学诊断.
主要方法:
- 应用值和轮发现以定位3D OCT卷中的潜在结构.
- 利用TensorFlow深度学习和卷积神经网络来识别耳膜.
- 重建了3D体积,以选择性地显示细分的耳膜.
主要成果:
- 该算法在识别耳膜时获得了约98%的准确性.
- 成功地移除了由反射和信号和引起的文物.
- 显著改善了耳膜的可视化.
结论:
- 耳膜的基于机器学习的细分增强了OCT图像分析.
- 这种自动化方法简化了耳鼻喉科的诊断.
- 该算法支持OCT作为耳部疾病的方便和可行的诊断工具的潜力.
关键词:
张量流程 张量流程卷积神经网络是一种卷积神经网络.深度学习算法深度学习算法光学连贯性断层扫描技术tympanic tympanic tympanic tympanic tympanic tympanic tympanic tympanic tympanic tympanic tympanic tympanic tympanic tympanic tympanic tympanic tympanic tympanic tympanic tympanic tympanic tympanic tympanic tympanic tympanic tympanic tympanic tympanic tympanic tympanic tympanic tympanic tympanic tympanic tympanic tympanic tympanic tympanic tympanic tympanic tympanic tympanic tympanic tympanic tympanic tympanic tympanic tympanic tympanic tympanic tympanic tympanic tympanic tympanic tympanic tympanic tympanic
