深度迁移学习与术前MRI：预测儿童人工耳蜗植入结果的新范式

深度迁移学习与术前MRI：预测儿童人工耳蜗植入结果的新范式

• 深度迁移学习（DTL）模型在预测人工耳蜗植入后的口语结果方面达到了92.39%的准确率，而传统机器学习模型的表现显著较低。
• 该研究利用了来自美国、澳大利亚和香港的278名儿童的3D体积脑MRI数据，展示了跨语言和跨机构的稳健性。
• DTL模型显示曲线下面积（AUC）为0.98，表明在识别语言改善风险较高的儿童方面具有卓越的诊断性能。
• 这些发现支持将AI工具整合到临床实践中，以促进个性化早期干预策略，应对儿童听力损失。

背景：结果变异性的挑战