相关实验视频
Updated: May 14, 2025
05:44
Ultrasonographic Evaluation of Breast Cancer-related Lymphedema
Published on: January 12, 2017
9.2K
基于深度学习的临床图像对淋巴和其他下肢的疾病进行分类
Thanat Lewsirirat1, Taravichet Titijaroonroj2, Sirin Apichonbancha1
1Division of Plastic Surgery, Department of Surgery, Faculty of Medicine Siriraj Hospital, Mahidol University, Bangkok, 10700, Thailand.
Scientific reports
|April 11, 2025
概括
人工智能 (AI) 显著改善了下肢的诊断,通过区分淋巴和类似的疾病. 人工智能模型的准确率达到78.6%,超过人类专家的62.7%.
科学领域:
- 医学成像分析分析 医学成像分析
- 人工智能在诊断中的应用
- 深度学习用于疾病分类.
背景情况:
- 淋巴的诊断是具有挑战性的,因为慢性静脉功能不全 (CVI) 和深静脉血栓 (DVT) 的重叠症状.
- 淋巴的诊断延迟可能超过10年,对患者的治疗结果和医疗保健系统产生负面影响.
- 目前的诊断方法依赖于临床专业知识,往往不足以区分微妙的变异.
研究的目的:
- 研究人工智能 (AI),特别是深度学习在改善下肢的诊断准确性方面的有效性.
- 将人工智能诊断性能与淋巴和相关疾病的人类评估器进行比较.
- 通过使用Grad-CAM.AM等技术,提高AI诊断模型的可解释性.
主要方法:
- 在1622张临床图像的数据集上训练16个卷积神经网络 (CNN) 和基于变压器的模型.
- 使用EfficientNetV2,该模型在评估的模型中显示了最高的准确性.
- 使用Grad-CAM进行模型解释,以识别关键诊断特征.
主要成果:
- 人工智能系统实现了最高的诊断准确率78.6%,明显超过了人类评估者 (62.7%).
- 格拉德-CAM分析突出了临床相关的特征,如胀和多颜色,有助于模型的解释性.
- 深度学习模型显示了区分淋巴和具有类似临床表现的疾病的强大潜力.
结论:
- 人工智能为提高诊断准确性和减少淋巴瘤治疗延迟提供了变革性的潜力.
- 将AI整合到临床工作流程中可以减轻医疗专业人员的负担,并改善患者的治疗结果.
- 对于全面的诊断解决方案,建议在现实环境中进一步验证和开发混合AI-临床系统.
