一种最先进的新方法用于诊断心房隔膜缺陷,使用原形技术增强数据集和基于列的统计特征提取器

科学领域:

• 医学成像
• 医学的人工智能
• 心脏病学

背景情况:

• 对于患者的结果来说,早诊断心房隔膜缺陷 (ASD) 是至关重要的.
• 胸部X射线成像 (CXR) 是一个常见的诊断工具.
• 目前的诊断方法可能缺乏所需的准确性或效率.

研究的目的:

• 开发一种使用CXR图像诊断自闭症的高精度方法.
• 探索原始纸折叠技术在医学成像中数据增强的有效性.
• 将支持矢量机 (SVM) 与其他分类器的性能进行比较.

主要方法:

• 一个成年人CXR图像的数据集被策划.
• 使用原始纸折叠技术进行数据增强,创建两个增强数据集.
• 统计特征 (平均值,标准偏差,中位数,差异,偏差) 被提取.
• 包括支持向量机 (SVM),k-最近邻居 (k-NN) 和决策树在内的分类器被用于分类.

主要成果:

• 使用Origami技术增强数据的SVM分类器实现了99.69%的最新精度.
• 拟议的方法明显优于现有的基于深度学习的人工智能方法.
• 使用k-NN和决策树分类器进行比较分析验证了SVM的性能.

结论:

• 由Origami技术增强的SVM方法提供了一个高度准确和潜在的优越方法来诊断CXR的自闭症.
• 这种新的增强技术有助于提前发现心脏病.
• 这些发现表明人工智能驱动的自闭症医学诊断取得了重大进展.