npj Digital Medicine· Jiaqi Qiang·· 6 小时前AI 评分53
融合深度特征与几何先验的特纳综合征面部AI筛查混合框架
A hybrid framework for Turner Syndrome facial detection: integrating deep feature learning and geometric prior knowledge under data scarcity
AI 导读
研究人员提出一种融合深度特征学习与几何先验知识的混合 AI 框架，用于在数据稀缺条件下辅助特纳综合征（TS）的面部筛查识别。该模型在前瞻性验证队列中取得 95.41% 的准确率、96.55% 的敏感度和 95.24% 的特异度，在难度分层的困难子集训练下敏感度达到 100.00%。研究结合 Grad-CAM 对关键面部特征区域进行可视化解释，为医疗资源受限场景提供了一种低成本的疾病早期筛查路径。
来源：npj Digital Medicine · nature.com