机器学习模型用于在耳植入器中自动计算耳内位置指数
Zubair Hasan1,2, Toshiya Hirayama3, Fadwa Alnafjan4
1Department of Otolaryngology-Head & Neck Surgery, Royal Children's Hospital, Parkville, VIC, 3052, Australia. zhas3802@uni.sydney.edu.au.
概括
机器学习模型自动计算内定位指数 (ICPI),与手动准确度相匹配. 将训练时代增加到100个可以提高ICPI计算的准确性,ResNet-50的性能优于定制的CNN.
科学领域:
- 医疗成像医学成像
- 机器学习 机器学习
- 计算解剖学的计算解剖学
背景情况:
- 耳内定位指数 (ICPI) 对于耳植入物性能至关重要.
- 从CT扫描中手动计算ICPI是耗时且容易出现错误的.
- 自动化ICPI计算可以提高外科手术的精度.
研究的目的:
- 开发和验证一个卷积神经网络 (CNN) 用于自动化ICPI计算.
- 为了比较定制CNN与预训练的ResNet-50模型的性能.
- 调查培训时期对ICPI计算准确性的影响.
主要方法:
- 培训和验证34个骨CT图像上的定制CNN和ResNet-50模型.
- 在八个独立的CT图像上测试模型.
- 通过手动测量电极到模块和电极到侧壁的距离来确定地面真实性的ICPI值.
主要成果:
- 自定义的CNN和ResNet-50模型都成功自动化了ICPI计算.
- 从10到100增加训练时代显著提高了两种模型的准确性.
- 与定制CNN相比,预训练的ResNet-50模型表现出具有统计学意义的优异性能,错误率 (MAE,RMSE) 较低.
结论:
- 机器学习模型,特别是ResNet-50,可以有效地自动化ICPI计算.
- 将训练时代优化到100次代可以提高模型的准确性.
- 建议对更大的数据集进行进一步验证,以提高现实世界的适用性,并与听力学结果相关联.
