通过使用面部图像的深度学习分析来自动检测和分类斜视
Mahsa Yarkheir1, Motahhareh Sadeghi2, Hamed Azarnoush3
1Biomedical Engineering Department, Amirkabir University of Technology (Tehran Polytechnic), 424 Hafez, P.O. Box:15875-4413, Tehran, Iran.
Scientific reports
|January 31, 2025
概括
这项研究引入了一种深度学习模型,用于从面部图像中自动检测斜视. 人工智能在识别眼睛错位方面取得了很高的准确性,有助于早期诊断和治疗计划.
科学领域:
- 眼科医生 眼科 眼科
- 人工智能的人工智能
- 医疗成像医学成像
背景情况:
- ,或眼睛不对齐,是一种普遍的疾病,需要及早检测才能有效管理.
- 准确的视障分类对于预防长期视力并发症至关重要.
研究的目的:
- 开发和评估一个深度学习模型,用于使用面部图像自动识别和分类斜视.
- 评估模型在二进制 (偏与正常) 和多类 (偏差角度) 分类任务中的性能.
主要方法:
- 使用卷积神经网络 (CNN) 进行图像分析.
- 在数据集上训练并验证了模型,其中包括4257张用于二进制分类的图像和622张用于多类分类的图像.
- 采用五倍交叉验证,并使用准确度,灵敏度,F1分数和回忆来评估性能.
主要成果:
- 深度学习模型实现了86.38%的准确度,用于二进制偏的分类.
- 该模型显示了92.7%的准确性,用于对的偏差角度进行多类分类.
- 性能指标证实了该模型在识别和分类偏方面的有效性.
结论:
- 拟议的深度学习方法显示了在帮助医疗保健专业人员早期检测斜视症方面具有重大潜力.
- 这项技术可以帮助规划视治疗,并有可能改善患者的治疗结果.
- 面部图像的自动分析为眼科诊断提供了一个有前途的工具.
