MMAAF：一种基于多模态视觉特征与机器学习的气道插管困难AET-电子技术应用-最丰富的电子设计资源平台

MMAAF：一种基于多模态视觉特征与机器学习的气道插管困难
所属分类：技术论文
上传者：wwei
文档大小：2972 K
标签：困难气道插管困难预测医学图像分析
所需积分：0分积分不够怎么办？
文档介绍：气道插管困难是临床麻醉中的重要风险之一，提出了一种基于患者张口静态图像的自动化、客观化气道评估框架MMAAF（Multi-Modal Airway Assessment Framework），针对患者数据集的张口图像，运用计算机视觉技术自动提取六项关键解剖学特征，与患者真实插管困难标签结合，构建结构化的多模态预测数据集，进行随机过采样技术处理，集成随机森林与梯度提升树两种机器学习算法进行模型训练与评估。结果表明，梯度提升树与随机森林模型在独立测试集上的预测准确率分别达到92%和93%，评估性能良好。同时，在MMAAF框架内进行逻辑回归模型训练，并依据特征重要性权重对特征进行加权，计算得到患者的个体化插管困难概率评分，为临床决策提供了基于多模态特征的直观量化参考。
现在下载
VIP会员，AET专家下载不扣分；重复下载不扣分，本人上传资源不扣分。