相关实验视频
Updated: May 22, 2025
05:40
Using an Automated Hirschberg Test App to Evaluate Ocular Alignment
Published on: March 24, 2020
11.5K
人工智能辅助识别新生儿耳部形通过智能手机应用程序
Liu-Jie Ren1,2, Rui-Jie Yang3,4, Li-Li Chen1,2
1FPRS Department/ENT Institute, Eye and ENT Hospital, Fudan University, Shanghai, China.
EClinicalMedicine
|March 14, 2025
概括
这项研究开发了一种人工智能模型,使用移动照片诊断新生儿耳朵形. 人工智能实现了高精度,在分类任务中表现优于人类志愿者,提供了具有成本效益的诊断解决方案.
科学领域:
- 医疗成像医学成像
- 人工智能的人工智能
- 儿科健康 儿科健康
背景情况:
- 新生儿中耳朵形很常见,需要早期诊断和干预.
- 狭窄的治疗窗口和有限的资源强调了对先进的诊断工具的需求.
- 机器学习 (ML) 为识别和分类这些条件提供了一个有希望的方法.
研究的目的:
- 开发和验证一种新的人工智能 (AI) 模型,用于识别和分类新生儿常见耳朵形.
- 用不同的数据集评估模型的性能,并将其与人类诊断能力进行比较.
主要方法:
- 使用了3852张图像 (BabyEar4k) 和104张微小图像的组合数据集,预处理为800x800 RGB.
- 在内部和多中心外部验证数据集上评估了四个骨干架构 (ResNet50,DenseNet121,EfficientNet,RegNet).
- 将人工智能模型的性能与人类志愿者 (专业人士,研究员,平民) 进行比较,使用准确度和加权F1分数.
主要成果:
- 人工智能模型实现了高精度:0.83-0.85为六类和0.94-0.98对二进制分类在内部测试集.
- ResNet50骨干系统表现出一致的性能.
- 外部验证显示强烈的概括性 (六类的0.74-0.82,正常/异常的0.79-0.86).
- 人工智能模型在分类准确性方面表现优于人类志愿者.
结论:
- 开发的AI系统为新生儿耳朵形的早期诊断提供了高效和经济有效的解决方案.
- 该模型显示了临床应用的潜力,包括治疗监测和教育目的.
- 人工智能驱动的诊断可以显著帮助管理儿科耳部疾病.
