人工智能用于新生儿黄检测的非侵入性方法:一篇综述

科学领域:

• 医学技术 医学技术 医学技术
• 医疗保健中的人工智能
• 新生儿医学 新生儿医学

背景情况:

• 新生儿黄是婴儿发病和死亡的重要原因,特别是在资源较低的环境中.
• 传统的全血清胆红素 (TSB) 检测是侵入性的,存在感染和延迟的风险.
• 需要准确的,非侵入性的黄检测方法.

研究的目的:

• 审查和分析早期新生儿黄检测的非侵入性技术.
• 评估人工智能驱动的诊断工具的有效性和实用性.
• 探索人工智能对减少新生儿死亡率的潜在影响.

主要方法:

• 分析人工智能 (AI) 技术,包括机器学习 (ML) 和深度学习 (DL).
• 用新生儿皮肤颜色和其他特征来检测黄的AI模型的评估.
• 使用智能手机摄像头进行胆红素估计的基于移动应用程序的审查.

主要成果:

• 人工智能模型,特别是神经网络,在黄检测中,与传统方法相比,其准确性超过90%.
• 移动应用程序显示,在资源有限的地区估计胆红素水平的现场性能令人满意.
• 基于人工智能的策略是早期黄诊断的有效辅助工具.

结论:

• 由人工智能驱动的非侵入性方法通过使黄早期诊断成为可能,为新生儿护理带来革命.
• 这些技术为侵入性测试提供了切实可行的替代方案,特别是在服务不足的地区.
• 建议对先进的成像和可穿戴传感器进行进一步的研究,以实时监控.