使用机器学习进行积症的面部分析:朝着更早的诊断
Banu Betul Kocaman1, Oguzhan Recep Akkol2, Gonenc Onay2
1Division of Endocrinology and Metabolic Diseases, Department of Internal Medicine, Cerrahpasa Faculty of Medicine, Istanbul University-Cerrahpasa, Istanbul, Türkiye.
The Journal of clinical endocrinology and metabolism
|August 21, 2025
概括
机器学习模型可以在诊断前几年就能在照片中检测出巨病的面部特征, 这种人工智能方法使用面部分析来识别罕见的疾病,改善患者的治疗结果.
科学领域:
- 医学成像分析
- 医疗保健中的人工智能
- 内分泌学
背景情况:
- 这是一种罕见的渐进性疾病,
- 早期发现壮病对于降低发病率和死亡率至关重要.
研究的目的:
- 开发和评估机器学习 (ML) 模型,以识别在诊断前照片中的巨特异性面部特征.
- 通过使用人工智能进行面部查,
主要方法:
- 分析了489张壮病患者的面部照片和254张健康对照照片.
- 一个包含深度特征提取 (VGG-Face) 的两阶段管道,具有SVM分类和可解释的基准面部测量模型.
- 使用诊断前,诊断后和组合图像数据集的模型评估.
主要成果:
- 使用诊断前图像 (7. 47年前) 获得最佳性能,AUC为0. 982和91. 5%的准确性.
- 标识的关键面部区域包括大,鼻和轨道区域.
- 使用面部比率的可解释模型显示中度准确度 (AUC 0.776),突出了面部宽度与高度比率等特征.
结论:
- 机器学习可以在临床诊断前几年就能检测出巨病的面部特征.
- 将深度学习与可解释的人工智能方法结合起来,
- 基于人工智能的面部查工具可以显著帮助早期识别.


