相关实验视频
Updated: Jun 15, 2025
09:52
Non-invasive Optical Imaging of the Lymphatic Vasculature of a Mouse
Published on: March 8, 2013
16.2K
基于人工智能的印ocyanine绿色淋巴学模式分类用于管理淋巴病的管理
Berk B Ozmen1, Sonia K Pandey1, Graham S Schwarz1
1From the Department of Plastic Surgery, Cleveland Clinic, Cleveland, Ohio.
Plastic and reconstructive surgery. Global open
|August 26, 2024
概括
人工智能 (AI) 准确地分类了氨酸绿色 (ICG) 淋巴学图案. 这种人工智能模型可以帮助标准化和自动化对ICG成像用于淋巴结胀诊断的解释.
科学领域:
- 医学成像医学成像
- 人工智能的人工智能是人工智能.
- 淋巴 edem 的诊断 淋巴 edem 的诊断 淋巴 edem 的诊断
背景情况:
- 淋巴的诊断需要有效的淋巴系统成像.
- 印ocyanine绿色 (ICG) 淋巴镜非常重要,但缺乏标准化的协议和客观分析.
- 需要对ICG淋巴图形进行客观的解释.
研究的目的:
- 研究人工智能 (AI),特别是卷积神经网络 (CNN),用于分类ICG淋巴图像模式.
- 将ICG模式分为线性,网状,喷,星尘和扩散类型.
- 评估AI在标准化ICG图像解释方面的潜力.
主要方法:
- 68张ICG淋巴图像的数据集被策划并标记成五种模式类型.
- 一个CNN模型 (MobileNetV2,TensorFlow) 在Python中被开发和实现用于图像分类.
- 该模型在标记的ICG图像数据集上进行了训练和验证.
主要成果:
- 人工智能模型在分类ICG淋巴图谱模式方面实现了97.78%的准确性.
- 该模型表现出0.0678的低损失,表明图案识别的高精度.
- 结果突出了该模型在区分五个定义的ICG模式的有效性.
结论:
- 人工智能模型可以准确地分类ICG淋巴图形,为客观解释提供潜在的解决方案.
- 人工智能可以帮助标准化和自动化ICG淋巴图像的分析.
- 这项技术有望提高淋巴评估的诊断准确性和一致性.
