人工智能辅助撕裂半径高度测量:一个多中心研究
Kesheng Wang1, Kunhui Xu2, Xiaoyu Chen2
1College of Mathematical Medicine, Zhejiang Normal University, Jinhua, China.
Quantitative imaging in medicine and surgery
|May 19, 2025
概括
这项研究引入了一种人工智能模型,用于精确测量撕裂阴茎高度 (TMH),改善干眼诊断. 人工智能算法表现出强大的概括性和可靠性,超过了人类专家.
科学领域:
- 眼科医生 眼科 眼科
- 医疗成像医学成像
- 人工智能的人工智能
背景情况:
- 撕裂阴囊高度 (TMH) 对于诊断干眼疾病 (DED) 至关重要.
- 医生手动测量TMH容易出现错误,需要专门的技能.
- 由于有限的数据集和单个成像模式,现有的TMH细分AI模型缺乏概括性.
研究的目的:
- 开发使用卷积神经网络 (CNN) 的自动TMH测量方法.
- 创建一个能够处理各种TMH图像数据集的AI模型,以提高诊断准确度.
主要方法:
- 一项多中心的回顾性研究,涉及来自五个中心的3,894张TMH图像.
- 开发一种注意力限制神经网络 (ALNN),使用渐变信息引导的人与计算机协作注释方法.
- 使用内部数据集 (彩色和红外图像) 和外部验证集来评估可通用性的验证.
主要成果:
- 对彩色图像 (MIoU 0.9578) 和红外图像 (MIoU 0.9290) 的AI细分的高精度.
- 在测试和外部验证组中,人工智能衍生的TMH测量和基准真相之间存在强烈的相关性 (彩色r=0.935-0.957,红外r=0.803-0.855).
- 与专家手动测量相比,人工智能算法显示出更高的可靠性.
结论:
- 开发的AI算法为TMH细分和定量分析提供了强大的概括能力.
- 人工智能驱动的TMH测量显示了与地面真相的高度一致性,超过了人类专家的可靠性.
- 这种人工智能工具为准确诊断干眼疾病提供了重要的支持.
