通过机器学习对人工智能驱动的视频分析进行微调:开发面部的自动评估工具

科学领域:

• 医学成像分析分析 医学成像分析
• 医疗保健中的人工智能
• 计算机视觉用于诊断.

背景情况:

• 对面部的客观评估仍然是一个临床挑战.
• 现有的面部关键点检测AI模型在面部中常见的不对称面部上表现不佳.
• 以前的模型很难检测患者的面部对称性和闭眼.

研究的目的:

• 增强现有的AI模型用于面部关键点检测.
• 提高面部的客观评估工具的准确性.
• 为了解决AI模型的局限性,AI模型主要在健康个体上进行训练.

主要方法:

• 使用机器学习注释微调AI模型.
• 在196名患者的1181张图像上手动纠正68个面部关键点.
• 将注释数据集成到一个包含2个沙钟网络和一个通道聚合块的模型中.

主要成果:

• 改进后的模型显示,正常化平均误差有所改善,从0.026降至0.018.
• 定性分析证实了面部单位关键点检测的改进.
• 微调的模型在评估面部不对称性和闭眼时表现更好.

结论:

• 严格控制标注器内部和内部的变化对于成功的模型微调至关重要.
• 新开发的AI模型对面部的客观评估有显著的前景.
• 这种人工智能驱动的方法为临床医生和研究人员评估面部神经功能提供了更可靠的工具.