合作GAN:使用合作观测网络自动检测耳膜异常
Dahye Song1, Younghan Chung2, Jaeyoung Kim3
1Major in Bio Artificial Intelligence, Department of Applied Artificial Intelligence, Hanyang University ERICA, Ansan 15208, Republic of Korea.
Computer methods and programs in biomedicine
|March 2, 2025
概括
一个新的合作观测网络 (CON) 使用人工智能在耳鼻喉学中进行无监督异常检测,在识别各种耳部疾病时达到96.75%的准确性,计算负载减少.
科学领域:
- 在耳鼻喉科的人工智能.
- 在医学成像中无监督检测异常.
背景情况:
- 耳鼻喉科人工智能的监督学习面临的局限性是外域数据和隐私问题.
- 收集各种医疗数据用于人工智能培训是具有挑战性的,因为隐私问题.
研究的目的:
- 建议建立一个合作观测网络 (CON),用于在耳鼻喉学中无监督检测异常.
- 克服人工智能驱动耳鼻喉科监督学习和数据收集的局限性.
主要方法:
- CON采用无监督的异常检测方法,使用生成对抗网络的区分器.
- 通过识别正常范围之外的数据分布,在单个步骤中检测异常.
- 集成耳膜内镜图像和纯音声计 (PTA) 扩大诊断范围.
主要成果:
- 在检测各种耳部疾病,包括复杂病例和并存疾病方面,CON的准确度高 (96.75%).
- 显著降低计算负载 (大约. 10x) 与现有模型相比.
- 扩大诊断范围,同时保持高准确度.
结论:
- CON增强了基于人工智能的耳鼻喉科疾病检测,解决了监督学习和异常检测的局限性.
- 低计算要求允许无集成到临床环境中.
- 需要最少的培训数据来对广泛疾病进行准确的诊断,从而提高医疗保健的效率.
