Int Forum Allergy Rhinol:实时机器学习辅助鼻内镜鼻窦炎诊断,一项基于临床图像的验证研究
2026-03-19 熊佳仪 MedSci原创 发表于上海
这项研究首次验证了一个用于鼻内镜诊断鼻窦炎的实时机器学习临床决策支持框架。其诊断性能可与经验丰富的耳鼻喉科医生相媲美,并具备实时处理能力。
深度解析医学证据,DeepEvidence为你支撑决策 鼻窦炎是一种常见的疾病,鼻内镜检查是其理想的诊断方式。然而,鼻内镜检查的准确性受到操作者之间在识别解剖标志和定位黏液方面的差异所限制,而这两点对于诊断鼻窦炎至关重要。为应对这一挑战,研究人员开展了一项研究,旨在开发一种新颖的多类机器学习框架,该框架能够检测评估鼻窦炎所需的解剖标志和相关结构,并严格遵循临床最佳实践。 研究回顾性分析了2014年9月至2025年2月期间在美国路易斯安那州奥克斯纳医疗中心收集的鼻内镜图像。数据集总共包含来自452名患者的3513张图像,这些图像均由一位医师使用相同的柔性视频内窥镜系统采集,并经过了标准化的白平衡、角度和光照校准。为确保图像质量,研究设定了严格的纳入标准,排除了有扭曲、遮挡、模糊或血迹等伪影的图像。四名医师使用开源软件CocoAnnotator对图像中的三个类别进行了手动标注:中鼻甲、下鼻甲和黏液。标注的可靠性通过交叉验证确保与专家标注者的F1分数一致性超过80%。研究整体数据集包含了正常和病理(慢性鼻窦炎不伴鼻息肉)的病例,用于训练模型。对于临床算法的验证,研究团队通过病历审查,独立筛选
本网站所有内容来源注明为“梅斯医学”或“MedSci原创”的文字、图片和音视频资料,版权均属于梅斯医学所有。非经授权,任何媒体、网站或个人不得转载,授权转载时须注明来源为“梅斯医学”。其它来源的文章系转载文章,或“梅斯号”自媒体发布的文章,仅系出于传递更多信息之目的,本站仅负责审核内容合规,其内容不代表本站立场,本站不负责内容的准确性和版权。如果存在侵权、或不希望被转载的媒体或个人可与我们联系,我们将立即进行删除处理。
在此留言












#鼻窦炎# #人工智能# #鼻内镜#
59 举报