成功可信度中
其他行业 · AI应用
DrumBeat.ai：利用AI对原住民儿童耳部内窥镜图像进行分诊
DrumBeat.ai正在开发一种监督式机器学习工具，用于自主解读耳鼓膜内窥镜图像，并协助偏远农村地区的一线卫生工作者识别和分诊耳部疾病。该项目针对原住民和托雷斯海峡岛民儿童难以获得耳鼻喉专科医生的问题，通过基于云的分析优先转诊高风险儿童。该模型在Microsoft Azure上使用Azure Custom Vision开发，并基于过去十年收集的2万张标注内窥镜图像数据集进行训练。
DrumBeat.ai (悉尼大学)发布于 2026年7月27日阅读 0
开发了一种用于解读耳鼓膜内窥镜图像的监督式机器学习工具
未披露
基于过去十年收集的2万张标注内窥镜图像数据集进行训练
未披露
根据耳部疾病类型，区分正常与异常耳鼓膜的准确率超过85%
未披露
01
业务背景
DrumBeat.ai正在开发一种监督式机器学习工具，用于自主解读耳鼓膜内窥镜图像，并协助偏远农村地区的一线卫生工作者识别和分诊耳部疾病。该项目针对原住民和托雷斯海峡岛民儿童难以获得耳鼻喉专科医生的问题，通过基于云的分析优先转诊高风险儿童。该模型在Microsoft Azure上使用Azure Custom Vision开发，并基于过去十年收集的2万张标注内窥镜图像数据集进行训练。
02
遇到的问题
03
AI 解决方案
04
实施结果
开发了一种用于解读耳鼓膜内窥镜图像的监督式机器学习工具：
基于过去十年收集的2万张标注内窥镜图像数据集进行训练：
根据耳部疾病类型，区分正常与异常耳鼓膜的准确率超过85%：
可识别常见耳部疾病，包括正常、急性中耳炎、渗出性中耳炎、慢性中耳炎以及耵聍/异物：
利用基于云的实时分诊分析，优先转诊高风险儿童，减少转诊至耳鼻喉专科医生的延误：
05
风险与边界
客户 / 负责人引述
“”
信息来源
1 个来源页面内容为结构化改写；关键结论应可追溯到以下材料。