基于舌头图像的急性呼吸道感染诊断使用机器学习:算法开发和验证

科学领域:

• 医疗诊断
• 医疗保健中的人工智能
• 传统中国医学

背景情况:

• COVID-19 和人类腺病毒 (HAdV) 呈现类似的症状,在没有检测的情况下使诊断复杂化.
• 舌头诊断是一种传统的中医疗技术,可以识别呼吸道感染.
• 人工智能可以增强对舌头图像的客观分析, 以提高诊断准确度.

研究的目的:

• 使用舌头图像开发和验证人工智能模型来区分COVID-19和HAdV感染.
• 将传统的诊断方法与现代人工智能技术相结合.
• 提高急性呼吸道感染的诊断准确度.

主要方法:

• 收集了来自COVID-19患者,HAdV患者和健康对照者的280张舌头图像.
• 应用深度学习来提取舌头的特征 (颜色,涂层,裂等). ) 的情况.
• 开发并比较了四种机器学习分类器 (逻辑回归,随机森林,梯度增强,极端梯度增强).

主要成果:

• 包括颜色,牙痕迹和湿度在内的9个舌头特征在各组之间显著不同 (P<.05).
• 极端梯度增强模型实现了最高的性能 (AUC为0.84).
• 莎普利的分析发现舌头的颜色,湿度和纹理是诊断的关键特征.

结论:

• 在人工智能的帮助下,舌头诊断可以帮助识别导致急性呼吸道感染的病原体.
• 这种方法可以减少临床医生的工作量,提高诊断的准确性.
• 人工智能支持的舌头分析为呼吸道感染诊断提供了有前途的非侵入性工具.