基于深度学习的犬类慢性病的超声波分类
Heejung Yu1, In-Gyu Lee2, Jun-Young Oh2
1Department of Veterinary Medical Imaging, College of Veterinary Medicine, Konkuk University, Seoul, Republic of Korea.
Frontiers in veterinary science
|September 19, 2024
概括
一个新的人工智能 (AI) 模型可以使用超声波图像准确地分类狗慢性病 (CKD) 的阶段. 与兽医专家相比,这种AI工具显示出更高的诊断性能,为犬类CKD诊断提供客观和一致的解释.
科学领域:
- 兽医医学 兽医医学 兽医医学
- 人工智能的人工智能
- 医疗成像医学成像
背景情况:
- 人工智能 (AI) 在兽医超声波中的应用尚未得到充分探索.
- 准确诊断狗慢性病 (CKD) 对于有效治疗至关重要.
- 目前对犬类CKD的诊断方法可能是主观的,并且在专家之间有所不同.
研究的目的:
- 开发基于深度学习的AI模型,使用脏超声波来分类犬类CKD阶段.
- 评估AI模型对兽医成像专家的诊断性能.
- 确定AI在犬类CKD诊断中的临床实用性.
主要方法:
- 使用一个卷积神经网络 (CNN) 的物体检测算法 (You Only Look Once).
- 来自198只狗 (CKD和健康) 的883个脏超声波被预处理并按IRIS阶段标记.
- 用准确度,回忆度,精度,F1分数和ROC曲线来评估模型性能,并与四名兽医专家进行比较.
主要成果:
- 人工智能模型在二进制分类中实现了0.85的准确性,用于区分CKD IRIS阶段3或更高.
- 这种二进制分类的回忆,精度和F1得分为0.85,曲线下的面积为0.89.
- 在这个特定的分类任务中,人工智能模型显示出与兽医专家 (0.480.62) 相比,更高的诊断准确度 (0.85).
结论:
- 一个深度学习框架可以从超声波中可靠地分类犬类CKD阶段3和4.
- 人工智能模型比人类专家提供了更客观和更一致的解释.
- 人工智能驱动的超声波诊断是对犬类CKD诊断的一个有前途的工具.
