人工智能驱动的结核性乳腺形分类的可行性:采用连续结核性得分的语网络方法
Stefano Vaccari1, Alberto Paderno2, Simone Furlan1
1Department of Medical Biotechnology and Translational Medicine BIOMETRA, Plastic Reconstructive and Aesthetic Plastic Surgery School, Università degli Studi Di Milano, Milan, Italy.
Aesthetic surgery journal
|May 20, 2025
概括
这项研究引入了一种人工智能工具,以高精度分类状乳腺形 (TBD). 人工智能生成结核病评分,提供一个客观的措施来改善手术规划和患者的结果.
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
- 生产时出现的乳腺异常.
背景情况:
- 结核性乳腺形 (TBD) 是一种先天性疾病,缺乏标准化的分类系统,使诊断和治疗复杂化.
- 临床结果的变化与结核病的诊断挑战有关.
- 人工智能 (AI) 提供了客观和可重现的医疗图像评估的潜力.
研究的目的:
- 开发一种人工智能驱动的诊断工具,用于状乳腺形 (TBD) 的分类.
- 为客观的变形评估引入连续的结核性评分.
- 通过基于AI的TBD分析来增强外科规划和临床结果.
主要方法:
- 一个语网络被训练在200对前部和侧部乳房图像 (100TBD,100非TBD) 使用对比损失.
- 该模型生成了高维特征嵌入,以区分结状和非结状乳房.
- 使用五倍交叉验证和包括准确性,精度,回忆和F1分数在内的指标验证了性能;t-SNE和闭塞灵敏度映射用于解释.
主要成果:
- 人工智能模型实现了96.2%±5.5%的平均精度,精度和回忆平衡.
- 通过嵌入矢量距离,量化变形严重程度,得出连续的结核性评分.
- 结核病评分与TBD严重程度的临床评估有很强的相关性.
结论:
- 开发的AI框架提供了一个客观而准确的状乳腺形 (TBD) 分类系统.
- 结核病评分可以提高结核病的诊断精度.
- 这种人工智能方法有可能显著帮助手术规划,并改善TBD病例患者的治疗结果.
