计算机辅助复合图像生成的数字耳视镜:对正确诊断,信心和时间的影响
Seda Camalan1, Carl D Langefeld2, Amy Zinnia2
1Center for Artificial Intelligence Research, Wake Forest University School of Medicine, Winston-Salem, North Carolina, USA.
概括
耳鼻喉 (ENT) 医生使用计算机辅助图像 (SelectStitch) 和单图像 (Still) 来检测耳朵异常,进行了类似的操作. 视频剪辑提高了准确性,但增加了诊断时间,突出了AI在耳视镜中的潜力.
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:
- 数字耳视镜对于诊断耳部疾病至关重要.
- 有各种可视化方法用于解释光学图像,每一种都有潜在的好处和缺点.
- 计算机辅助图像生成旨在提高诊断效率和准确性.
研究的目的:
- 为了比较耳鼻喉 (ENT) 医生使用三个数字耳视镜可视化方法的诊断性能:SelectStitch (AI复合图像),Still (单个视频) 和Video (完整剪辑).
- 评估临床医生的诊断信心水平和在不同方法中诊断所需的时间.
- 探索人工智能驱动技术在耳视诊断中的实用性.
主要方法:
- 一项临床医生诊断阅读器研究,涉及9名耳鼻科医生.
- 医生们审查了来自86个耳朵的数字耳镜检查,这些耳朵具有各种病理.
- 考试使用SelectStitch,静态或视频可视化方法进行.
主要成果:
- 医生检测耳朵异常的能力从33.2%到68.7%不等,因病理而异.
- 在SelectStitch和静态图像中,检测率没有统计学上显著的差异.
- 与SelectStitch和Still (P > .05) 相比,视频剪辑的检测率明显更好 (P < .01),但需要更长的诊断时间.
- 诊断信心与正确诊断有积极的相关性,但根据特定的耳朵病理学而异.
结论:
- 像SelectStitch这样的计算机辅助技术显示出增强耳视镜诊断和节省时间的潜力,特别有利于远程医疗.
- SelectStitch和手动选择的静态图像的可比性能表明了AI算法在光学学中的潜力.
- 虽然视频片段提供了更好的准确性,但时间上的权衡需要进一步研究如何优化人工智能驱动的可视化以提高临床效率.
