使用深度学习模型对肌滑动声音的定量评估及其分类.
Daiji Nakabayashi1, Atsuyuki Inui1, Yutaka Mifune1
1Department of Orthopaedic Surgery, Kobe University Graduate School of Medicine, Kobe, JPN.
Cureus
|May 7, 2025
概括
深度学习模型可以使用数字耳语镜对肌滑动的声音进行分类,为肌肉骨疾病 (如紧突炎) 提供一种新的非侵入性诊断工具.
科学领域:
- 生物医学工程 生物医学工程
- 肌肉骨健康 肌肉骨健康
- 人工智能在医学中的应用
背景情况:
- 肌疾病在运动过程中表现出明显的声学和触觉特征.
- 人工智能 (AI) 和机器学习 (ML) 在医学诊断,特别是模式识别方面表现有前途.
- 数字耳镜为捕捉肌功能微妙声学特征提供了一种潜在的方法.
研究的目的:
- 开发和评估一个深度学习 (DL) 模型来分类肌滑动的声音.
- 为了确定肌中的生物力学差异是否会产生可识别的声学特征.
- 探索AI在肌肉骨疾病的非侵入性诊断方面的潜力.
主要方法:
- 肌滑动的声音从健康志愿者的指和食指中使用数字耳语镜记录下来.
- 记录被转化为光谱图,用于分析频率特征.
- 深度学习模型被用来根据谱图特征对声音进行分类.
主要成果:
- DL模型在区分不同肌声音方面实现了高分类准确性.
- 谱图分析显示了与肌生物力学相关的独特声学特征.
- 研究结果表明,人工智能可以有效地区分肌声音模式.
结论:
- 基于人工智能的模型显示出其作为诊断肌疾病的准确,非侵入性工具的潜力.
- 这种方法可能有助于早期检测诸如关节炎和手腕道综合征等疾病.
- 进一步的研究可以验证这种方法在肌肉骨健康领域的临床应用.
