使用鼻内窥镜图像进行基于深度学习的过敏性鼻炎诊断

快速阅读: 《Nature.com》消息，研究利用深度学习分析鼻内窥镜图像，通过CIE-Lab颜色空间和直方图提取特征，实现过敏性鼻炎90.8%准确诊断。未来将扩大数据集，探索非侵入性诊断方法。

过敏性鼻炎通常表现为下鼻甲水肿、苍白或充血、发炎。虽然传统方法包括使用皮肤点刺试验（SPT）来确定AR的存在，但往往与实际症状没有直接关联，并且是一种有创检查。我们利用深度学习分析鼻内窥镜图像，以研究一种用于诊断过敏性鼻炎的定量方法。传统的基于机器学习的诊断技术依赖于结构化的临床数据集，包括人口统计学特征、症状严重程度和临床检测结果等统计数据。相比之下，我们提出了一种新方法，利用内窥镜图像数据，通过CIE-Lab颜色空间分析过敏性鼻炎患者下鼻甲区域的颜色分布，并提取自适应直方图特征，用于探索和发现合适的特征提取方法和深度学习模型结构。我们提出的模型对显示AR症状的图像实现了90.80%的诊断准确率。未来的研究将扩大数据集，包括更广泛的有症状和无症状图像，以提高模型的稳定性，并研究光学分析作为非侵入性诊断AR的潜力。这项研究提出了一种使用鼻内窥镜图像诊断过敏性鼻炎的新方法。我们的方法在LAB颜色空间中分析了下鼻甲的颜色分布，通过卷积神经网络特征提取和直方图从内窥镜图像中提取了重要特征，并通过支持向量机和全连接网络进行分类。

(以上内容均由Ai生成)