项目描述:
鼻窦炎是儿童的高发病,但12岁以下儿童因辐射问题不适合进行CT检查,照射后更容易诱发畸形、癌变、及其他不良反应,因此无辐射的红外线检查很合适,可多次检查,紧密观察病情,而且价格低,费用约CT的25分之一。利用人工智能诊断,可避免医生人工判图的主观意识以及疲劳所带来的缺陷,从而提供更高效准确的辅助诊断。本项目主要是基于红外热像的慢性鼻窦炎诊断方法研究,主要研究慢性鼻鼻窦炎四个窦区在不同类型炎症下的红外热像图表现;基于深度学习的红外热图窦区定位,利用卷积神经网络搭建窦区定位模型,对四个不同窦区进行定位;基于慢性鼻鼻窦炎炎症的红外热图特征的图像识别算法研究,把数字图像处理技术应用到红外热图上,进行特征识别。该项目意义为:患者身体从承担一定辐射量直接转变为无辐射,提高全民健康;提高医生工作效率,缓解医疗资源紧张度;红外线检测远比CT等设备检测费用低,医疗成本大幅度下降,节省大量医保资金。