精确的脂肪肝疾病诊断使用多源特征融合模型在细分的舌头图像数据集上

科学领域:

• 医学诊断 医学诊断 医学诊断
• 医疗保健中的人工智能
• 传统中国医药 传统中国医药

背景情况:

• 脂肪肝疾病 (FLD) 在中国农村地区影响着超过1亿人.
• 偏远地区对查的限制导致诊断延迟,导致肝硬化和癌症等严重后果.
• 现有的查方法在服务不足的地区缺乏专业的专业知识和先进的设备.

研究的目的:

• 利用机器学习和舌头图像分析开发一种快速,非侵入性和可扩展的FLD查工具.
• 解决目前FLD诊断模型中小型数据集的局限性和缺乏解释性的问题.
• 为了在资源有限的环境中实现早期FLD检测.

主要方法:

• 引入了一个基于多源功能融合的舌头诊断框架 (MFF-TDF).
• 开发并发布了最大的公共舌头图像数据集 (5,717个样本) 与FLD注释.
• 使用Shapley增量解释和反事实分析增强模型解释性.

主要成果:

• 在使用舌头图像和生理指标进行FLD预测时,F1得分为0.797,回忆值为0.847,AUC为0.924.
• 与现场最先进的方法相比,证明了卓越的性能.
• 通过广泛的实验验验证了MFF-TDF框架的有效性.

结论:

• 开发了一种自动化,可解释和低成本的FLD查方法.
• 在服务不足的人群中促进快速,大规模的FLD查.
• 贡献了重要的公共数据集,以推进人工智能驱动的肝脏疾病舌头诊断研究.