开发和验证基于CNN的诊断管道,用于诊断中耳炎

科学领域:

• 耳鼻喉科 耳鼻喉科 耳鼻喉科
• 医疗成像医学成像
• 人工智能的人工智能

背景情况:

• 通过耳视镜图像准确诊断中耳炎 (OM) 是一个挑战,特别是对于非专家.
• 人工智能 (AI) 和深度学习在分类耳膜疾病方面表现有前途.

研究的目的:

• 开发和验证一个多步人工智能管道,用于将耳膜图像自动分类为正常,急性中耳炎 (AOM),有溢出的中耳炎 (OME) 和慢性中耳炎 (COM).

主要方法:

• 开发了一个管道,包括图像质量评估,耳膜细分,侧面分类和疾病分类.
• 在每个阶段都使用了卷积神经网络 (CNN) 模型 (MambaOut,CaraNet,EfficientNet,ConvNeXt).
• 使用了2964个回顾性收集和专家注释的耳视镜图像.

主要成果:

• 图像质量分类器达到98.8%的准确率,横向分类器达到99.1%的准确率.
• ConvNeXt模型在疾病分类方面实现了88.7%的整体准确性,F1分数为0.78 (AOM),0.87 (OME) 和0.92 (COM).
• 人工智能管道在所有阶段都表现出可靠的性能.

结论:

• 人工智能管道从耳膜图像准确地分类了常见的中耳炎亚型.
• 将其集成到数字耳镜中可以提高初级保健和服务不足地区的诊断一致性.
• 该系统可以作为医疗学员和全科医生的教育工具.