征求专家意见,以协助基于深度学习的莱姆病分类器与患者数据进行分类

科学领域:

• 医疗信息学 医疗信息学
• 人工智能在医学中的应用
• 皮肤病学 皮肤病学

背景情况:

• 红斑 (Erythema migrans,简称EM) 是莱姆病的主要早期症状.
• 对于EM诊断的深度学习受到缺乏全面的患者数据的限制.
• 临床诊断依赖于损伤图像和患者病史.

研究的目的:

• 开发一种方法,利用患者数据计算莱姆病的概率.
• 通过结合临床见解来增强EM诊断的深度学习模型.
• 为了应对医疗人工智能的数据稀缺性挑战.

主要方法:

• 通过结构化问卷,从15名医生中获得专家意见.
• 通过高斯混合物密度估计将医生评估转换为概率得分.
• 使用正式概念分析和决策树进行验证和解释.
• 开发一种算法,以合并多模式概率估计.

主要成果:

• 成功获得专家意见,以建立基于患者数据的EM概率评分模型.
• 证明了量化AI整合临床专业知识的可行性.

结论:

• 获得的概率得分和算法可以提高基于图像的深度学习莱姆病前扫描器的稳定性.
• 拟议的方法为医疗诊断问题提供了一种实际的方法,而患者数据有限.
• 这种专家诱导框架对于临床医生来说是用户友好的.