相关实验视频
Updated: Jan 16, 2026
06:09
Optic Nerve Sheath Point of Care Ultrasound: Image Acquisition
Published on: August 18, 2023
2.7K
LUCID:用于增强诊断实用性的耳视镜中的智能信息框架选择
Hao Lu1, Muhammet F Demir1, Gabriella I Puchall1
1Center for Artificial Intelligence Research, Wake Forest University School of Medicine, Winston-Salem, NC, USA.
Research square
|September 26, 2025
概括
这项研究介绍了LUCID,这是一种人工智能方法,用于从耳视镜视频中选择最有信息的来诊断中耳疾病. LUCID通过自动识别关键视觉特征来提高诊断准确性,优于单个专家选择的.
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:
- 正确诊断中耳疾病,如急性中耳炎 (AOM) 是具有挑战性的,因为主观的耳视镜.
- 当前的深度学习诊断工具通常需要手动选择静态,限制临床工作流集成.
研究的目的:
- 开发第一个系统方法 (LUCID) 来自动选择视频中最有信息的 (MIF).
- 为了提高人工智能驱动的耳视镜诊断的实用性和准确性.
主要方法:
- 分析了713个视频,以确定信息性的关键因素:鼓膜可见性,覆盖范围和清晰度.
- 开发了一种新的MIF管道,集成ResNet-50用于可见性,BC-AdvCAM用于细分/覆盖,以及专门的模糊/聚焦检测算法.
- 创建了一个"信息分数"来自动对进行排名.
主要成果:
- 在多个深度学习模型中,人工智能选择的在分类准确性方面表现与专家选择的相比.
- 使用人工智能选择的前四个每视频显著提高了诊断准确性,相比单个专家.
- LUCID框架提供了一个可扩展的,专家级工具,用于自动化关键框架选择.
结论:
- LUCID 方法自动化了光镜视频中的信息框架选择,解决了当前人工智能诊断工具的关键局限性.
- 这种方法提高了基于人工智能的中耳疾病的耳镜诊断的准确性和效率.
- 开发的框架为现实世界的临床应用提供了实际的解决方案,改善了诊断能力.
