使用卷积神经网络应用深度学习到喉腔镜成像,用于声带白血病的自动细分和分类
Ming Xiong1, Jia-Wei Luo2, Jia Ren1
1Department of Otolaryngology, Head & Neck Surgery, West China Hospital of Sichuan University/West China School of Medicine, Sichuan University, Chengdu, Sichuan, China.
Ear, nose, & throat journal
|September 20, 2024
概括
深度学习模型使用窄带成像 (NBI) 和白光成像 (WLI) 准确地检测和分类声带白血病,有助于早期诊断和管理潜在的恶性转变.
科学领域:
- 医疗成像医学成像
- 人工智能的人工智能
- 耳鼻喉科 耳鼻喉科 耳鼻喉科
背景情况:
- 声带白血块呈现为白色斑块,在评估恶性潜在的诊断挑战.
- 精确区分声带白血病对于有效的患者管理和治疗计划至关重要.
研究的目的:
- 调查深度学习 (DL) 对声带白血病同时细分和分类的有效性.
- 用窄带成像 (NBI) 和白光成像 (WLI) 来比较DL模型的诊断性能.
主要方法:
- 深度学习模型被应用到NBI和WLI模式的声带白血病图像的细分和分类.
- 病理诊断是评估DL模型准确性的黄金标准.
主要成果:
- DL模型在病变检测方面实现了超过70%的平均交叉超过联合 (IoU).
- 对WLI (93-94%) 和NBI (97-99%) 的分类表现显示出高灵敏度和特异性.
- 平均精度为WLI的81%和NBI的92%,表明了强大的分类能力.
结论:
- 开发的DL模型显示出在协助精确诊断声带白血病方面具有显著的潜力.
- 与DL一起使用的NBI成像,与WLI相比,在病变分类中提供了更高的性能.
- 这种人工智能驱动的方法可以帮助临床医生更好地管理声带白血病和识别恶性转变.


