Video Experimental Relacionado
Updated: Sep 10, 2025
07:30
3D Printing Model of a Patient's Specific Lumbar Vertebra
Published on: April 14, 2023
2.1K
Modelo ligero basado en el aprendizaje profundo para la clasificación automatizada de la estenosis foraminal lumbar:
Jia-Wei Huang1, Yu-Long Zhang1, Kai-Yu Li1
1The Second Affiliated Hospital and Yuying Children's Hospital of Wenzhou Medical University, Wenzhou, China.
Resumen
Los modelos de aprendizaje profundo que usan tomografías computarizadas lograron una precisión de más del 80% en la clasificación de la estenosis foraminal lumbar (LFS), ofreciendo una alternativa potencial a la resonancia magnética donde el acceso es limitado.
Área de la Ciencia:
- Radiología
- Inteligencia artificial
- Cirugía de la columna vertebral
Sus antecedentes:
- La resonancia magnética (MRI) es el estándar de oro para el diagnóstico de la estenosis foraminal lumbar (LFS).
- El acceso limitado a la resonancia magnética en China debido al costo y la disponibilidad requiere herramientas de diagnóstico alternativas.
- La tomografía computarizada (TC) ofrece una modalidad de imagen más accesible.
Objetivo del estudio:
- Desarrollar y evaluar modelos ligeros de aprendizaje profundo (DL) para clasificar la gravedad de la LFS utilizando imágenes de TC sagital.
- Proporcionar una alternativa clínica potencial para el diagnóstico de SFL cuando la resonancia magnética no está disponible.
Principales métodos:
- Un estudio retrospectivo analizó 868 imágenes de TC sagital de 177 pacientes.
- Dos modelos de DL (EfficientNet-B0 y MobileNetV3-Large-100) fueron entrenados y validados utilizando el sistema de clasificación Lee.
- El rendimiento del modelo se comparó con los cirujanos de columna vertebral con diferentes niveles de experiencia.
Principales resultados:
- Los modelos DL lograron una precisión diagnóstica media del 81,37%, comparable a la de un cirujano de columna mayor (83,33%).
- DL1 (EfficientNet-B0) alcanzó un 82,35% de precisión, superando el rendimiento de un cirujano junior (62,75%).
- Se observó un alto acuerdo diagnóstico entre el DL1 y el cirujano principal (kappa de Cohen = 0,815).
Conclusiones:
- Los modelos DL ligeros demuestran una precisión prometedora en la clasificación de la gravedad del LFS a partir de tomografías computarizadas sagitales.
- Estos modelos podrían servir como una alternativa viable a la resonancia magnética en entornos con recursos limitados.
- Se requiere una validación adicional en conjuntos de datos multicéntricos más grandes para confirmar la generalización.
