Nghiên cứu tính khả thi qua đánh giá kết quả bước đầu của phương pháp xác định thành phần sỏi tiết niệu sau mổ với ảnh kĩ thuật số bằng trí tuệ nhân tạo ở mức độ mảnh sỏi. Đối tượng và phương pháp: Mảnh sỏi được thu thập sau mổ. Trước khi được phân tích thành phần bởi phương pháp tiêu chuẩn (Fourier transform infrared spectroscopy), các mảnh sỏi được chụp ảnh kĩ thuật số bằng các thiết bị có sẵn trên thị trường. Bộ ảnh được chia thành hai nhóm theo kết quả phân tích thành phần gồm có nhóm CO chứa sỏi calcium oxalate và nhóm Non-CO chứa sỏi có thành phần khác. Với mỗi nhóm, ảnh lại được phân chia ngẫu nhiên thành ba bộ training, validation, và testing với tỉ lệ lần lượt là 70%, 10% và 20%. Một mô hình trí tuệ nhân tạo sử dụng phương pháp transfer learning dựa trên cấu trúc của thuật toán ResNet-18 được phát triển và đào tạo bằng bộ ảnh training. Mô hình sau đó được tối ưu hoá nhờ bộ validation và cuối cùng là đánh giá bằng bộ testing. Kết quả: Sử dụng bộ testing, mô hình đạt độ chính xác, độ nhạy, độ đặc hiệu, và diện tích dưới đường cong ROC lần lượt là 71,4%, 81,5%, 51,9%, và 0.715. Kết luận: Các kết quả bước đầu tương đối hứa hẹn của mô hình cho thấy tiềm năng và tính khả thi của phương pháp. Mô hình được tối ưu tốt hơn nữa ở giai đoạn sau có thể trở thành một công cụ trợ giúp trong thực hành lâm sàng.
Presenting preliminary results of predicting composition of individual stone fragments. Subjects and methods: Stone fragments were collected post-operatively. Prior to analyzing composition by a gold standard method (Fourier transform infrared spectroscopy), the stones were digitally imaging captured by commercially available devices. The set of images was categorized into Calcium oxalate and the other composition groups, and randomly divided into three data subsets, namely, training, validation, and testing. A transfer learning model based on the ResNet-18 algorithm was developed and trained on the training subset. The model was optimized on the validation subset, and finally was evaluated on the unseen testing subset. Results: On the testing subset, the final model achieved accuracy, sensitivity, specificity, and the area under the receiver operating characteristic curve of 71.4%, 81.5%, 51.9%, and 0.715, respectively. Conclusion: Promising preliminary results of the final model showed the potential of our approach. Better optimized models might serve as an assisting tool in clinical practice.
- Đăng nhập để gửi ý kiến