İçeriğe geç
Literatüre dön

RinolojiRetrospektif

CT-based deep learning for identifying sinonasal inverted papilloma: a single-center retrospective study

European Archives of Oto-Rhino-Laryngology ·

Kozan G, Dedeoğlu S, Toprak SF, et al.

Sinonazal inverted papillom, nazal polip ve normal paranazal anatomiyi BT'de ayırt eden bir derin öğrenme modelinin geliştirildiği tek merkezli retrospektif çalışmada, histopatolojik tanısı doğrulanmış 871 hastanın görüntüleri kullanıldı. Her hastadan deneyimli bir radyoloğun tanıya kör olarak seçtiği iki BT kesiti alınırken klinik değişken kullanılmadı ve veriler yüzde 70 eğitim, yüzde 30 test kümesine ayrıldı. Evrişimli sinir ağı modeli test kümesinde yaklaşık yüzde 98,5 doğruluğa ulaşarak yaklaşık yüzde 79,7'de kalan görsel dönüştürücü modelini geride bıraktı ve özellikle inverted papillomu saptamada başarılıydı. Model histopatolojinin yerini almadan klinik triyajda yardımcı bir karar destek aracı olabilir; ancak yalnızca görüntü verisine dayanıyordu.

A CT-based deep learning model was built to classify sinonasal inverted papilloma, nasal polyps and normal anatomy. This single-center retrospective study used scans from 871 patients with histopathologically confirmed diagnoses. Two image-analysis models were trained and compared, a convolutional network called ResNet50 and a Vision Transformer. ResNet50 reached a test accuracy of 98.47 percent, against 79.65 percent for the Vision Transformer. It performed particularly well for inverted papilloma and may assist clinical triage, though it does not replace histopathology.

Yapay zekâ desteğiyle özetlendi

MakalePubMed

Bu özet, makalenin yayımlanmış özetinden yapay zekâ desteğiyle hazırlanmış ve yayından önce kontrol edilmiştir. Makalenin yerini tutmaz; ayrıntı ve klinik karar için asıl kaynağa başvurun. ENTSignal hekimler için bilgilendirme amaçlıdır; hiçbir içerik tanı ya da tedavi önerisi değildir. Ayrıntı için Hakkında sayfasına bakın.