基于计算机视觉的人工智能工具,用于直接测量新生儿胆红素黄:试点研究
Dimensions of critical care nursing : DCCN
|September 30, 2025
概括
一个人工智能 (AI) 工具准确地测量了新生儿的直接胆红素 (DB) 水平,与实验室测试有5.24%的差异. 这种非侵入性方法有助于诊断黄和肝胆道疾病.
科学领域:
- 新生儿医学 新生儿医学
- 医疗成像医学成像
- 人工智能的人工智能
背景情况:
- 结合性高 bilirubinemia,由直接 bilirubin (DB) 的升高表明,可以信号严重的肝胆道疾病,如胆道缩在婴儿.
- 准确及时测量DB对于诊断新生儿黄和指导治疗至关重要.
- 目前用于DB水平的诊断方法可能是侵入性的,需要实验室分析.
研究的目的:
- 开发和验证基于人工智能 (AI) 的计算机视觉工具,用于准确测量新生儿直接胆红素 (DB) 水平.
- 与传统实验室血液测试相比,评估AI衍生的DB测量的精度和相关性.
主要方法:
- 使用计算机视觉工具使用数据处理,颜色转换和对比度增强.
- 一个卷积神经网络 (CNN) 被开发来预测从婴儿照片的DB水平.
- 分析了97名婴儿的数据 (80名用于培训/验证,17名用于重新测试),每名婴儿在标准化照明条件下拍摄了5张照片.
主要成果:
- 与基于实验室的DB测量相比,AI工具显示出5.24%的误差率.
- 人工智能系统计算的平均值与婴儿的实际血液DB水平之间发现了正相关性.
- 该研究证实了人工智能工具对精确的DB级别确定能力.
结论:
- 在适当的条件下,人工智能驱动的计算机视觉提供了一种精确和准确的方法来测量新生儿的直接胆红素水平.
- 这种非侵入性方法对早期检测黄和相关的肝胆病状况有希望.
- 建议进行进一步的研究,以将这种AI方法扩展到总胆红素测量.
