Entwicklung eines KI-basierten Algorithmus zur Identifizierung, Segmentierung und Klassifizierung von der chronischen Rhinosinusitis (CRS)
Laryngo-Rhino-Otologie · 01.05.2024 · 103 (S 02 S 02) · S26
DOI: 10.1055/s-0044-1784019 ↗Kurz gefasst
Fachartikel in der Zeitschrift Laryngo-Rhino-Otologie, erschienen am 01.05.2024. Verfasst von Paolo Dalena und 7 weiteren Autor:innen. Die Arbeit wurde bisher 1-mal zitiert (Crossref).
Abstract (Originalsprache)
Einleitung Ziel dieser Studie war die Entwicklung eines KI-Basierten Algorithmus zur Identifizierung, Segmentierung und Klassifizierung der chronischen Rhinosinusitis (CRS) mit und ohne Polyposis nasi mit Hilfe des Lund-McKay-Scores.
Methoden
Wir haben Convolutional Neural Networks (CNN) entwickelt, die darauf trainiert wurde, chronische Rhinosinusitiden zu detektieren und zu klassifizieren. Die hierzu verwendete Datenbank besteht aus CT-Scans von Patienten mit chronischer Rhinosinusitis±Polyposis nasi sowie Kontroll-CTs von Probanden, die diesbezüglich beschwerdefrei waren. Für die Klassifikation wurde hierzu der Lund-McKay-Score verwendet. GradCAM-Techniken werden bei den CNN angewendet, um nachzuvollziehen, welche Bildausschnitte das CNN zur Durchführung der Vorhersage verwendet. Indem wir diese Informationen mit Kontroll CT-Bildern vergleichen, haben wir ein CNN implementiert, das in der Lage ist erkrankte Volumina zu konturieren und so eine vollständig automatische quantitative Analyse der Bilder durchzuführen.
Ergebnisse
Unsere Ergebnisse basieren auf einem Kollektiv von 60 verschiedenen CRS-CT-Scans. Die Bilder, die wir für die KI-basierte Entwicklung des Algorithmus verwendet haben, waren heterogen verteilt in Bezug auf Alter, Geschlecht und Erfassungsmodalität. Das System erreichte eine Genauigkeit zwischen 80 und 90% bei der Identifizierung der sinonasalen Läsionen auf diesem Benchmark-Datensatz. Diskussion Der Lund-McKay-Score wurde unter Verwendung von unabhängigen Datensets präzise berechnet, was eine Anwendbarkeit des CNN-Systems auf alle Kohortentypen ermöglicht. Publication History Article published online: 19 April 2024 © 2024. Thieme. All rights reserved. Georg Thieme Verlag KG Rüdigerstraße 14, 70469 Stuttgart, Germany
Zitieren
APA
Dalena, P., Haubold, J., Postuma, I., Brero, F., Lascialfari, A., Lang, S., Mattheis, S., & Stähr, K. (2024). Entwicklung eines KI-basierten Algorithmus zur Identifizierung, Segmentierung und Klassifizierung von der chronischen Rhinosinusitis (CRS). Laryngo-Rhino-Otologie, 103(S 02 S 02), S26. https://doi.org/10.1055/s-0044-1784019
Vancouver
Dalena P, Haubold J, Postuma I, Brero F, Lascialfari A, Lang S, et al. Entwicklung eines KI-basierten Algorithmus zur Identifizierung, Segmentierung und Klassifizierung von der chronischen Rhinosinusitis (CRS). Laryngo-Rhino-Otologie. 2024;103(S 02 S 02):S26. doi:10.1055/s-0044-1784019
BibTeX
@article{Dalena2024,
author = {Dalena, Paolo and Haubold, Johannes and Postuma, Ian and Brero, Francesca and Lascialfari, Alessandro and Lang, Stephan and Mattheis, Stefan and Stähr, Kerstin},
title = {Entwicklung eines KI-basierten Algorithmus zur Identifizierung, Segmentierung und Klassifizierung von der chronischen Rhinosinusitis (CRS)},
journal = {Laryngo-Rhino-Otologie},
year = {2024},
volume = {103},
number = {S 02 S 02},
pages = {S26},
doi = {10.1055/s-0044-1784019}
}
EUVIMED