使用最新一代人工智能方法分析Acromegaly面部变化:AcroFace系统
Hatem A Rashwan1, Montserrat Marqués-Pamies2, Sabina Ruiz3
1Department of Computer Engineering and Mathematics, University of Rovira i Virgili, Tarragona, Spain.
Pituitary
|April 21, 2025
概括
该AcroFace系统使用人工智能对面部照片进行分析,以早期检测巨. 这种人工智能工具在识别壮病特征方面表现出高准确度,有助于在人口层面进行查.
科学领域:
- 人工智能在医学中的应用
- 医学成像分析 医学成像分析
- 内分泌学 在内分泌学.
背景情况:
- 巨症是一种罕见的内分泌疾病,其特点是生长激素的过度产生.
- 早期检测壮症对于及时干预和管理并发症至关重要.
- 面部特征是已知的壮症指标,但需要客观和可扩展的检测方法.
研究的目的:
- 开发和评估AcroFace系统,这是一款基于人工智能的工具,用于使用面部照片早期检测巨.
- 探索将视觉/纹理特征与来自面部图像的几何信息相结合的有效性,以检测壮症.
主要方法:
- 开发了AcroFace系统,用于几何特征集成支持向量机 (SVM) 和用于视觉特征的卷积神经网络 (CNN).
- 通过使用专家注释的面部图像来训练各种CNN模型 (ResNet-50,VGG-16,MobileNet,Inception V3,DensNet121,Xception).
- 优化特征提取和分类策略,以准确检测巨病.
主要成果:
- 与支持向量回归 (SVR) 结合的ResNet-50模型实现了最高的性能,精度值为75% (δ1) 和89% (δ3).
- 与单独的几何特征相比,视觉特征表现出更高的精度.
- 验证队列实现了高性能指标:0.90精度,0.93准确度,0.92F1-Score,0.93灵敏度和0.93特异性.
结论:
- 该AcroFace系统在区分与巨相关的面部特征方面表现出强的性能.
- 人工智能系统具有作为人口层面查工具的潜力,用于早期检测壮病.
- 使用人工智能的面部照片分析提供了一种有前途的非侵入性方法,用于巨病查.
更多相关视频
02:42Analysis of Craniomaxillofacial Malformations in Mice Using Three-dimensional Microcomputed Tomography
Published on: January 17, 2025
08:03Midface Hypoplasia and Cranial Base Morphology in Syndromic Craniosynostosis: A Comparative Analysis Study Using a Predictive Regression Model
Published on: November 4, 2025
