一个基于深度学习的自动评分系统,用于预测单极射频治疗后眼复苏的结果

科学领域:

• 皮肤病学 皮肤病学
• 人工智能的人工智能
• 医疗成像医学成像

背景情况:

• 使用单极射频 (MRF) 的上眼复苏是一种对眼松的微创治疗方法.
• 目前的结果评估依赖于主观方法,导致变化和偏见.
• 有效的治疗规划和患者咨询需要客观的措施.

研究的目的:

• 开发和验证深度学习 (DL) 系统,用于在眼MRF治疗后自动评分临床结果.
• 提供对治疗疗效的客观,可重复的评估.

主要方法:

• 一项回顾性研究,涉及50名用眼MRF治疗的患者.
• 一种混合DL模型,将卷积神经网络 (CNN) 和U-Net结合起来,用于图像细分和结果评分.
• 模型性能根据使用RMSE和MAPE的董事会认证皮肤科医生的评估得到验证.

主要成果:

• 美国有线电视新闻网 (CNN-U-Net) 的模型表现出高精度,RMSE为0.4,MAPE为0.08.
• 预测得分与专家皮肤科医生评估密切相关.
• 在患者年龄或性别子组之间没有发现准确度的显著差异.

结论:

• 该研究证明了基于DL的自动评分系统对眼MRF结果的可行性.
• 该系统提供客观,一致和可重复的评估,增强患者咨询和治疗计划.
• 建议使用更大的数据集进行进一步验证,并进行更长的随访.