新传媒网《整形与重建外科》二月号上的一项研究表明，新开发的神经网络可以高度准确地识别乳房手术中重要的关键标志，从而开启了客观评估乳房对称性的潜力。
“神经网络和机器学习有潜力改善乳房重建和美容手术中乳房对称性的评估，从而能够快速、自动地检测整形外科医生使用的特征，”西班牙阿尔巴塞特大学医院的主要作者 Nitzan Kenig 医学博士评论道。
开发用于客观乳房评估的神经网络
乳房对称性是乳房手术的一个关键问题，通常由患者和外科医生通过简单的主观评估来评估。计算机程序可以提供更客观的评估，但存在局限性，包括需要手动输入数据和漫长的计算时间。
神经网络是一种旨在模仿人脑处理数据方式的人工智能技术，人们正在探索其在改善医疗实践多个领域的护理方面的潜力。Kenig 博士及其同事开发了一种“临时卷积神经网络”来检测用于评估乳房对称性的关键乳房特征。
研究人员使用一种名为 YOLOV3(“你只看一次”版本 3)的开源算法，训练他们的神经网络来识别用于评估雌性野兽的三个解剖特征：乳房边界、乳头乳晕复合体(乳头和乳头)。周围组织)和胸骨上切迹(颈部底部、胸骨顶部的凹陷)。
该神经网络使用 200 张接受乳房手术的患者的正面照片进行训练。然后使用另外一组 47 张乳腺癌手术后接受乳房重建的患者照片来测试其在识别关键乳房特征方面的性能。
