爪毛细管镜软件的自动评估:一个试点研究.

科学领域:

• 医疗成像医学成像
• 人工智能在医学中的应用
• 类风湿病学 类风湿病学

背景情况:

• 爪毛细分镜对于诊断全身性硬化症谱系疾病至关重要.
• 手动图像评估是耗时和主观的,阻碍了比较研究.
• 需要客观和自动化的分析来标准化毛细管镜检查的评估.

研究的目的:

• 验证用于自动毛细管显微镜图像分类的试点软件 (正常与病理).
• 评估软件对自动毛细血管计数的能力.
• 为了提高毛细管镜分析的客观性和效率.

主要方法:

• 在200张毛细管望远镜图像上使用fast.ai库训练了一个ResNet-34深度神经网络.
• 在GPU优化的环境中使用了与Darknet-YoloV3的10倍交叉验证.
• 开发了一种额外的机制来计算每毫米的毛细血管.

主要成果:

• 在将图像分类为正常或病态 (训练组) 时,获得了89.0%的灵敏度和89.4%的特异性.
• 验证灵敏度为89.0%,特异性为86.9%.
• 在每毫米的毛细血管计数方面表现出96.48%的精度.

结论:

• 试点软件提供了一个有用的工具,用于快速,自动的毛细管镜评估.
• 该软件可以快速分类和毛细血管计数.
• 未来的发展目标是独立于检查员经验的全面成像分析.