基于深度学习的利用平板客观评分工具（POST）的尿道板质量自动量化
计算机视觉与模式识别
2022-09-29 v1 人工智能
摘要
目的：探索深度学习算法利用平板客观评分工具（POST）在2D图像上进一步简化和优化尿道板（UP）质量评估的能力，旨在提升尿道下裂修复中UP评估的客观性与可重复性。方法：由专家在691张接受初次尿道下裂修复的青春期前男孩图像数据集中标记五个关键POST标志点。该数据集随后用于开发与验证基于深度学习的标志点检测模型。所提框架始于龟头定位与检测，利用预测的边界框裁剪输入图像。接着，使用深度卷积神经网络（CNN）架构预测五个POST标志点坐标。这些预测标志点随后用于评估远端尿道下裂的UP质量。结果：所提模型准确局部化龟头区域，平均精度均值（mAP）达99.5%，总体灵敏度99.1%。预测标志点坐标的归一化平均误差（NME）为0.07152，均方误差（MSE）为0.001，在0.1 NME阈值下失败率20.2%。结论：该深度学习应用在利用POST评估UP质量方面表现出鲁棒性与高精度。基于国际多中心图像数据库的进一步评估正在进行中。外部验证可使深度学习算法受益，并带来更好的评估、决策与手术结果预测。
引用
@article{arxiv.2209.13848,
title = {Deep Learning based Automatic Quantification of Urethral Plate Quality using the Plate Objective Scoring Tool (POST)},
author = {Tariq O. Abbas and Mohamed AbdelMoniem and Ibrahim Khalil and Md Sakib Abrar Hossain and Muhammad E. H. Chowdhury},
journal= {arXiv preprint arXiv:2209.13848},
year = {2022}
}
备注
20 pages, 5 figures, 1 table