机器学习辅助声带超声检查：VIPR 项目
机器学习
2025-12-30 v1 计算工程、金融与科学
计算机视觉与模式识别
摘要
简介：声带超声（VCUS）已成为一种侵入性较小且耐受性更好的检查技术，但其准确性依赖于操作者。本研究旨在应用机器学习辅助算法自动识别声带，并区分正常声带图像与声带麻痹（VCP）。方法：从 30 名志愿者中采集 VCUS 视频，将其分割为静止帧并裁剪为统一尺寸。健康和模拟 VCP 图像被用作声带分割和 VCP 分类模型的训练数据。结果：声带分割模型实现了 96% 的验证准确率，而最佳分类模型（VIPRnet）实现了 99% 的验证准确率。结论：机器学习辅助的 VCUS 分析在提高诊断准确性方面显示出巨大潜力，优于依赖操作者的人工判读。
引用
@article{arxiv.2512.23177,
title = {Machine Learning-Assisted Vocal Cord Ultrasound Examination: Project VIPR},
author = {Will Sebelik-Lassiter and Evan Schubert and Muhammad Alliyu and Quentin Robbins and Excel Olatunji and Mustafa Barry},
journal= {arXiv preprint arXiv:2512.23177},
year = {2025}
}
备注
Won Best Undergraduate Research Paper at the 2025 Midwest Instruction & Computing Symposium (MICS)