基于面部照片识别内生殖细胞瘤:关于使用深度学习用于软件开发的探索性研究
Yanong Li1, Yixuan He2, Yawei Liu3,4
1Department of Radiation Oncology, Beijing Tiantan Hospital, Capital Medical University, Beijing, China.
Journal of medical Internet research
|January 30, 2025
概括
面部识别技术在儿童早期发现内生殖细胞瘤 (iGCTs) 方面表现有前途. GVisageNet的深度学习模型有助于识别这些罕见的大脑瘤,改善患者的治疗结果.
科学领域:
- 人工智能在医学中的应用
- 医学成像分析 医学成像分析
- 儿科瘤学 儿科瘤学
背景情况:
- 主要内生殖细胞瘤 (iGCTs) 是具有侵略性的儿科大脑瘤.
- 早期诊断对于预防发育和认知障碍至关重要.
- 目前的诊断方法需要先进的查技术.
研究的目的:
- 评估面部识别技术对儿童和青少年iGCT早期检测的有效性.
- 开发和验证iGCT选的深度学习模型.
- 评估临床数据与人工智能的整合,以提高诊断准确度.
主要方法:
- 使用多中心数据集开发和验证GVisageNet深度学习模型.
- 培训和测试数据集包括IGCT,正常对照和其他中线脑瘤.
- 创建了一个混合模型,将GVisageNet与回归模型相结合,以评估临床数据的增量值.
主要成果:
- 在将中线脑瘤与正常对照区分时,GVisageNet获得了高准确度 (AUC=0.938).
- 该模型显示在区分IGCT与其他中线瘤方面具有显著的能力 (AUC=0.739).
- GVisageNet输出和内分泌指标之间的相关性是显著的,性能因轴损伤而异.
结论:
- 在儿童患者中,GVisageNet显示了对iGCTs早期检测的巨大潜力.
- 将深度学习与临床见解相结合,提高了个性化医疗保健的诊断能力.
- 面部识别技术为iGCTs的查提供了一种新的非侵入性方法.
