将机器学习应用于尿液晶体形态的解释。

肾结石主要是由于尿液中离子过饱和导致晶体形成而形成的。 肾结石风险的评估基于患者的病史、生化尿液测试和各种实验室检查。 将这些与 CT 扫描、超声波和 X 射线等影像学研究相结合，有助于诊断肾结石的类型，尽管较小结石的影像学结果可能不太准确。 结石形成常见且复发率高，并且尿液结晶与结石成分之间存在很强的相关性。 因此，尿液晶体的分析对于肾结石疾病的诊断、治疗策略的评估以及预防结石复发具有重要意义。

尿液晶体的显微镜分析可以观察到更小的晶体。 然而，手动尿液显微镜检查速度慢且耗时。 为了解决这个问题，我们的目标是开发人工智能软件来协助解读尿液晶体，从而提供更快的分析。 我们将回顾性分析先前研究（长庚纪念医院内部项目研究编号107123-E）存储的尿液晶体图像，以识别晶体类型。 后续的图像预处理和类别标记将用于训练和推断机器软件。 结果将与手动解释进行比较，以确定软件的准确性。