计算机视觉模型用于检测和分类儿科视频鼻喉镜视频鼻喉镜的喉病
Yasmine Madan1, Zeyna Nida Copty1, Zejia Chen1
1Department of Otolaryngology-Head and Neck Surgery, Hospital for Sick Children, University of Toronto, Toronto, Ontario, Canada.
一个新的计算机视觉模型从婴儿视频中准确诊断喉病及其亚型. 这种工具可以提高诊断速度和准确性,以改善这种常见的气道疾病.
科学领域:
- 儿科耳鼻喉科 儿科耳鼻喉科
- 医学成像分析 医学成像分析
- 人工智能在医学中的应用
背景情况:
- 喉病的诊断依赖于灵活的鼻喉镜检查,这对于不经常的临床医生来说可能很困难,并且由于婴儿的运动而延长.
- 准确的亚型分类 (1,2,或3) 对于预测疾病严重程度和指导治疗至关重要.
- 自动计算机视觉 (CV) 具有提高诊断准确度,减少手术时间和尽量减少婴儿不适的潜力.
研究的目的:
- 开发和评估一个CV模型,用于细分儿科视频鼻喉镜中的喉解剖学.
- 用CV模型区分正常病例和喉病例.
- 通过自动化分析,对喉膜病的亚型 (类型1,2,3) 进行分类.
主要方法:
- 241个儿科鼻喉镜视频 (参与者年龄小于1岁) 的数据集被策划和注释.
- 视频被随机分配到培训 (80%) 和测试 (20%) 组.
- 开发了三种二元分类模型,使用微调的特征提取来预测喉病和分类亚型,结果与专家耳鼻喉科医生诊断进行了比较.
主要成果:
- CV模型在喉解剖细分方面实现了0.86的Dice相似系数.
- 该模型在区分正常病例和喉病例时显示0.90准确度.
- 预测1型和2型喉病的准确度分别为0.86和0.90;由于数据有限,不能进行3型分类.
结论:
- 开发的CV模型有效地细分了喉解剖学,并通过视频鼻喉镜检查准确地分类了1型和2型喉病.
- 这种人工智能工具显示出作为诊断婴儿喉病的临床决策支持系统的前景.
- 建议进一步研究涉及更大的数据集,算法改进和外部验证,以便在未来临床实施.
更多相关视频
06:22Machine Learning-Based Cough Tone Classification: Diagnostic Exploration of Chronic Obstructive Pulmonary Disease and Respiratory Tract Infections
Published on: September 19, 2025
05:32High-speed Video Microscopy Analysis for First-line Diagnosis of Primary Ciliary Dyskinesia
Published on: January 19, 2022
相关概念视频
Suctioning the Nasopharyngeal Airway
Equipment Required
Cardiopulmonary Resuscitation V: Advanced Airway Management Techniques
Assessment of Airway, Skin Color, and Use of Accessory Muscles
Introduction
The initial evaluation of a patient's respiratory system...
Respiratory System Abnormal Finding II: Palpation and Auscultation
Palpation Findings
During a respiratory assessment, palpation can reveal several vital abnormalities:
Cardiopulmonary Resuscitation II: ACLS Airway Management
