相关实验视频
Updated: Sep 19, 2025
08:18
Three-Dimensional Reconstruction of Orbital Fractures
Published on: May 16, 2025
332
基于人工智能,自动检测光通道骨折,识别和分割轨道顶部的解剖结构,基于人工智能
Yu-Lin Li1, Yu-Hao Li2, Mu-Yang Wei1
1Department of Ophthalmology, The Second Norman Bethune Hospital of Jilin University, Changchun, China.
Frontiers in cell and developmental biology
|June 16, 2025
概括
一个AI系统有助于诊断视通道骨折 (OCF) 和相关的创伤性视神经病变 (TON). 这项技术提高了诊断的准确性和效率,这对于预防OCF视力损失至关重要.
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:
- 来自视通道骨折 (OCF) 的创伤性视神经病变 (TON) 可以导致严重的视力丧失.
- 由于成像变化和解剖学复杂性,诊断OCF具有挑战性.
- 准确及时诊断对于维护视觉功能至关重要.
研究的目的:
- 开发用于OCF诊断的AI图像识别系统.
- 改善轨道顶部解剖结构的细分.
- 协助临床医生诊断OCF和管理TON.
主要方法:
- 在CT图像中使用YOLOv7进行OCF定位和评估.
- 将集成的选择性内核卷积和变压器编码器模块集成到UNet中,以增强细分.
- 评估了AI模型在OCF检测和解剖结构细分方面的性能.
主要成果:
- 对于OCF检测,YOLOv7获得了79.5%的精度,74.3%的回忆,76.8%的F1得分和80.2%的mAP@0.5.
- 改进的UNet模型达到了92.76%mIoU和90.19%mDice的细分.
- 人工智能协助改善了眼科住院医生的诊断AUC-ROC从0.576降至0.795,并缩短了诊断时间.
结论:
- 开发了一个用于OCF诊断和治疗计划的AI系统.
- 人工智能系统提高了诊断准确度,并减少了潜在的手术损伤.
- 这种人工智能系统支持智能手术机器人和智能医疗保健的进步.
