通过深度学习分析舌头图像来探索肝纤维化查
Xiao-Zhou Lu1, Hang-Tong Hu2, Wei Li2
1Department of Traditional Chinese Medicine, The First Affiliated Hospital of Sun Yat-sen University, Guangzhou, China.
Journal of traditional and complementary medicine
|September 12, 2024
概括
人工智能驱动的舌头检查显示了早期肝纤维化查的前景. 这种使用舌头图像进行深度学习的方法,实现了高准确性,并超过了传统标记器,表明了潜在的第一线选工具.
科学领域:
- 医疗成像医学成像
- 人工智能的人工智能
- 肝病学 肝病学是一种肝病学.
背景情况:
- 传统中医 (TCM) 舌头检查是一种有价值的诊断工具,有可能用于早期发现疾病.
- 肝纤维化查对于管理肝脏疾病至关重要.
- 深度学习 (DL) 为分析医疗图像提供了新的方法.
研究的目的:
- 评估基于深度学习的AI模型的有效性,用于使用舌头图像查肝纤维化.
- 将AI模型的性能与肝纤维化检测FIB-4指数进行比较.
主要方法:
- 使用了来自741名患者的1083张舌头图像的数据集.
- 在舌头图像数据上训练了一个DenseNet-201卷积神经网络.
- 人工智能模型的性能与实时二维剪切波弹性图进行了验证,并与FIB-4指数进行了比较.
主要成果:
- 人工智能模型在验证 (0.845) 和测试组 (0.814) 两方面都取得了高精度.
- 人工智能模型的负预测值 (NPV) 在两组中都超过了90%.
- 人工智能模型与FIB-4指数相比,表现优越,当它们一起使用时,NPV总和为94.4%.
结论:
- 人工智能辅助的舌头检查可以作为肝纤维化的有效一线查方法.
- 这种方法将传统的诊断技术与现代人工智能相结合,以改善肝病检测.
- 高的NPV表明AI模型在有效排除肝纤维化方面的实用性.
