用内镜图像的机器学习来识别,分类和细分阴道质量
Lirit Levi1, Kenan Ye1, Maxime Fieux1,2,3
1Department of Otolaryngology - Head and Neck Surgery, Stanford University School of Medicine, Stanford, California, USA.
International forum of allergy & rhinology
|January 8, 2025
概括
机器学习模型 (MLM) 从内镜图像中准确地识别,分类和细分鼻腔质量. 这种人工智能工具对改善鼻息肉和瘤的诊断非常有希望.
科学领域:
- 耳鼻喉科 耳鼻喉科 耳鼻喉科
- 人工智能的人工智能
- 医疗成像医学成像
背景情况:
- 开发人工智能工具用于鼻腔大规模诊断至关重要.
- 内镜成像是一种主要的诊断方法.
研究的目的:
- 评估机器学习模型 (MLM) 在使用内镜图像识别,分类和细分鼻腔质量的性能.
主要方法:
- 在1242张鼻腔内镜图像上训练了一个卷积神经网络.
- 图像被分为正常,多,良性和恶性瘤.
- 模型使用组织病理学验证,并对各种图像质量进行了测试.
主要成果:
- 在分类鼻腔质量方面,MLM实现了80.4%的准确性.
- 它以90.5%的准确度正确识别了质量存在.
- 聚体和瘤的细分精度超过72%.
结论:
- 机器学习模型可以从内镜图像中准确诊断鼻腔质量.
- 未来的改进可能来自更大,更多样化的数据集.
