结核性脑膜炎的千叶结核的早期查基于几次射击学习,具有多个窗口和特征颗粒度
Yuan Tian1, Yongquan Liang2,3, Yufeng Chen4
1College of Computer Science and Engineering, Shandong University of Science and Technology, Qingdao, 266590, Shandong, China.
Scientific reports
|October 9, 2024
概括
这项研究引入了一种使用胸部CT扫描的新型几次射击学习模型,用于预测毫叶结核病 (MT) 患者的结核性脑膜炎 (TBM). 该模型有助于早期诊断TBM,可能降低与这种疾病相关的高死亡率.
科学领域:
- 医疗成像医学成像
- 人工智能的人工智能
- 传染性疾病 传染性疾病
背景情况:
- 结核性脑膜炎 (TBM) 是百万结核 (MT) 的严重并发症,死亡率高 (>50%).
- 早期诊断和治疗TBM对于降低死亡率至关重要.
- 目前的临床方法缺乏对MT向TBM进展的有效预测.
研究的目的:
- 利用胸部CT图像开发一个早期查模型,用于预测MT患者的TBM.
- 解决MT-TBM预测的计算机辅助诊断方面的研究缺口.
主要方法:
- 提出了一种包含多个窗口和特征细分度 (MWFG) 的几次学习模型.
- 利用了来自40个MT病例的胸部计算机断层扫描 (CT) 图像.
- 采用软max分类器与自适应规范化,以防止过度装配.
主要成果:
- 拟议的MT-TBM模型在早期查方面实现了最先进的性能.
- 通过CT图像分析,证明了该模型通过CT图像分析将MT与TBM联系起来的能力.
- MWFG模块有效地从CT扫描中提取了全面的特征.
结论:
- 开发的模型显示了早期MT-TBM查的显著临床实用性.
- 为临床医生提供了一种有价值的工具,以帮助早期诊断和预防MT患者的TBM.
- 突出了人工智能在改善严重结核病并发症的治疗结果方面的潜力.
更多相关视频
07:42A Novel Microdissection Approach to Recovering Mycobacterium tuberculosis Specific Transcripts from Formalin Fixed Paraffin Embedded Lung Granulomas
Published on: June 5, 2014
8.0K
08:20Author Spotlight: AI-Driven Trypanosome Species Detection from Microscopic Images
Published on: October 27, 2023
1.4K
