预测喉腔内镜图像中的语义细分质量
Andreas M Kist1, Sina Razi1, René Groh1
1Department Artificial Intelligence in Biomedical Engineering (AIBE), Friedrich-Alexander-Universität Erlangen-Nürnberg, Erlangen, Bavaria, Germany.
PloS one
|July 3, 2025
概括
本研究引入了一种AI系统,用于评估喉腔内镜图像细分质量. 该系统与人类的表现相匹配,识别出AI分析临床适应问题的框架.
科学领域:
- 医疗成像医学成像
- 人工智能的人工智能
- 耳鼻喉科 耳鼻喉科 耳鼻喉科
背景情况:
- 内镜对于评估内部器官生理学至关重要.
- 人工智能 (AI) 能够进行医学图像分析的语义细分,有助于癌症检测和喉生理学评估等任务.
- 鉴于患者的多样性,评估人工智能驱动的语义细分的质量至关重要.
研究的目的:
- 介绍一个全自动系统,用于评估喉内镜图像中的细分性能.
- 证明系统在评估部区域细分质量的能力.
- 为了促进人工智能分析程序的临床适应,人类在循环中进行改进.
主要方法:
- 开发一个全自动系统来评估细分性能.
- 该系统在喉内镜图像中对喉区域细分的应用.
- 使用交通信号灯系统来识别有问题的细分框架.
主要成果:
- 该系统的预测细分质量,通过交叉与联合 (IoU) 度量来衡量,与人类评分器可比.
- 使用交通信号灯系统,可以有效地识别有问题的细分框架.
- 开发的系统有助于对基于人工智能的喉图像分析进行质量控制.
结论:
- 自动系统为喉内镜检查提供可靠的细分质量评估.
- 这些发现支持AI在喉生理评估中的临床整合.
- 人在循环质量控制对于医疗程序中强大的AI应用至关重要.
