利用术后常规照片进行乳腺重建后的自动化美学评估：一种无需编程的AutoML方法

《Aesthetic Plastic Surgery》：Automated Aesthetic Evaluation After Breast Reconstruction Using Routine Postoperative Photographs: A No-Code AutoML Approach

　　

摘要

背景

乳房重建后的美学评估仍然具有主观性，并且经常受到评估者间差异的影响。因此，需要一种实用且可重复的评估方法以用于常规临床实践。本研究旨在利用 Google Cloud AutoML Vision 开发一种自动化算法，将术后乳房的美学效果分为三个等级：优秀、合格和较差，而无需高级编程知识。

方法

回顾性地收集了 519 张乳房重建后 1 年内的正面二维照片。这些图像主要根据 Harris 方法进行分类，并结合了 Sawai 美学量表中的半定量元素进行标注。原始数据集被分为训练集（n = 336）、验证集（n = 84）和测试集（n = 99）。仅在训练集上应用了数据增强技术，使其图像数量增至 1,344 张。总共 1,527 张图像被上传到 AutoML Vision 以构建一个单标签图像分类模型。使用相同的测试集，将模型的性能与整形外科医生、护士和普通人的评估结果进行了比较。

结果

该算法在测试集上的精确度为 62.1%，召回率为 59.6%，总体准确率为 60.6%。加权 Cohen's kappa 系数为 0.47。整形外科医生的平均分类准确率为 78.9%，护士为 60.2%，普通人为 59.3%。虽然该算法在数值上与参考标签的吻合度高于护士和普通人，但其整体表现仍属中等水平。

结论

利用 AutoML Vision 成功开发了一种用于乳房重建的自动化美学评估模型。尽管其性能仍不如整形外科医生，但该模型表现出中等程度的吻合度，可以作为标准化术后美学评估的实际辅助工具。

证据等级 IV

本期刊要求作者为每篇文章指定一个证据等级。关于这些循证医学评级的完整说明，请参阅目录或在线作者指南 www.springer.com/00266。