通过人工智能检测腹部CT扫描中的身体包;开发基于机器学习的模型模型

科学领域:

• 法医医学 法医医学
• 医疗成像医学成像
• 人工智能的人工智能

背景情况:

• 识别内部走私非法物质的个人对于法医和毒理学至关重要.
• 目前用于检测身体内部包装的方法可能具有挑战性,需要先进的成像技术.

研究的目的:

• 开发和评估一种基于人工智能 (AI) 的新型诊断方法,用于实时检测腹部CT扫描中的身体包.
• 通过内部包装来提高通过内部包装来走私违禁物品的个人识别的准确性和效率.

主要方法:

• 一项采用888个腹部CT扫描的横截面研究.
• 使用RetinaNet开发一种机器学习模型,用于对象检测而修改了部.
• 在训练数据集中纳入定向边界框 (角 Bbox),以提高检测准确度.

主要成果:

• 拟议的身体包检测 (BPD) 模型在0.5.5的IOU下实现了86.6%的平均平均精度 (mAP).
• 该模型在各种IOU值 (0.5-0.95) 中显示了45.6%的mAP.
• 实现了58.5%的回忆值,在检测身体包装方面表现优于标准RetinaNet.

结论:

• 深度学习网络可以有效地识别腹部CT扫描中的身体包.
• 整合对象形状和可变性是人工智能在医疗保健诊断中的关键.
• 专家策划的专业数据集对于训练有效的人工智能模型来执行特定的检测任务至关重要,例如身体包装.