基于机器学习的热成像用于检测阴道内皮质新生病

科学领域:

• 医学成像医学成像
• 在瘤学瘤学.
• 机器学习 机器学习

背景情况:

• 膜内皮质瘤 (VIN) 的患病率正在上升.
• 目前的VIN查方法有局限性,诊断准确度低.

研究的目的:

• 评估红外热成像作为用于VIN检测的新选工具.
• 评估机器学习模型在使用热成像数据诊断VIN时的准确性.

主要方法:

• 使用FLIR A400热摄像头从51名确诊VIN的患者收集了热图像.
• 建立了健康的组织的基线温度分布.
• 使用主要组件分析 (PCA) 提取和优化热特性.
• 训练并评估了用于VIN诊断的支持矢量机 (SVM),随机森林 (RF) 和线性差异分析 (LDA) 模型.

主要成果:

• 支持矢量机 (SVM) 模型实现了最高的性能.
• SVM模型显示F1得分为75%,VIN诊断准确率为74.19%.

结论:

• 基于机器学习的红外热学是一种有前途的非侵入性查方法,用于VIN检测.
• 这项技术可以改善VIN的早期检测和管理.