深度学习框架用于支气管镜诊断燃烧吸入伤害
1Department of Metabolism, Digestion and Reproduction and Anaesthesic,Pain Medicine and Intensive Care, Imperial College London, United Kingdom.
Burns : journal of the International Society for Burn Injuries
|November 26, 2025
概括
一个新的深度学习模型从支气管镜图像中准确地评分燃烧吸入损伤 (BII). 这种自动化系统比手工方法提供了更好的准确性,以更好地预测和管理患者.
科学领域:
- 医疗成像医学成像
- 人工智能在医学中的应用
- 肺部病理学 肺部病理学
背景情况:
- 燃烧吸入伤害 (BII) 显著增加了患者的死亡率和发病率.
- 目前的支气管镜分级依赖于主观的手动评估,限制了准确性和可靠性.
- 针对BI的自动分级系统对改善患者的治疗结果具有临床价值.
研究的目的:
- 评估一个由监督的深度学习模型,用于从支气管镜检查记录中自动对BII进行分级.
- 将深度学习模型的性能与传统的主观评分方法进行比较.
主要方法:
- 一个预先训练的视力变换器 (ViT) 模型使用36名患者的1089个质量控制的支气管镜框进行了微调.
- 该模型接受了两项任务的训练:严重程度等级识别 (没有,轻度,中度,严重) 和二元BII存在检测.
- 使用转移学习和数据增强技术进一步提高了ViT模型的预测性能.
主要成果:
- 微调的ViT模型实现了高性能指标,包括98.17%的准确性,98.15%的F1得分,98.29%的精度和98.17%的重度分级回忆.
- 对于二进制BII检测,增强模型显示了98.17%的准确性,98.21%的F1得分,98.36%的精度和98.17%的回忆.
- 开发的深度学习框架显著超过了传统的视觉分级系统.
结论:
- 这种基于深度学习的方法提供了一个非常准确和可靠的方法来分类吸入伤害的伤害.
- 这种自动化系统对临床应用具有重大前景,有助于更精确地预测和管理BII患者.
- 该研究强调了先进的人工智能的潜力,可以提高重症监护机构的诊断准确性.
