使用人工智能来评估与口唇裂开或没有口唇裂开的口腔裂开出生儿童的耳鼻能力
Måns Cornefjord1,2, Joel Bluhme3, Andreas Jakobsson3
1Department of Plastic and Reconstructive Surgery, Skåne University Hospital, Malmö, Sweden.
概括
一个人工智能工具被开发用于评估小裂的儿童的喉能力 (VPC). 人工智能获得了57.1%的准确性,这对于临床使用来说是不够的,表明需要进一步研究.
科学领域:
- 医疗保健中的人工智能
- 语言病理学 语音病理学
- 面异常研究研究研究
背景情况:
- 耳鼻沟能力 (VPC) 评估对于口腔裂的儿童至关重要.
- 当前的评估方法可能是主观的,耗时的.
- 需要客观的,自动化的工具来帮助VPC评估.
研究的目的:
- 开发和评估一种人工智能 (AI) 工具,用于评估裂儿童的耳鼻能力 (VPC).
- 为了确定AI模型在VPC评估中的准确性,与语音和语言病理学家的评估相比.
主要方法:
- 开发了两个人工智能网络:一个卷积神经网络 (CNN) 和一个预训练的CNN (VGGish).
- 使用了两个回顾性数据集 (SR和SC+IC),包括5岁和10岁儿童的音频录音和VPC评估.
- 使用语音和语言病理学家的分数作为三点尺度上的基本真相来评估网络性能.
主要成果:
- VGGish网络的准确率 (57.1%) 比CNN (39.8%) 更高.
- 微小的数据预处理和网络调整导致了更好的准确性.
- 尽管得到了改进,但AI的准确性还不足以用于临床应用.
结论:
- 开发的AI工具的准确性目前太低,无法在VPC评估中实际临床使用.
- 未来的研究应该专注于优化研究设计和数据集特征.
- 需要进一步的进展,以创建可靠的AI驱动的解决方案,用于对儿科患者的VPC评估.
