人工智能辅助定量肌肉超声波在手道综合征中的可行性
Sun Woong Kim1, Sunwoo Kim2, Dongik Shin2
1Department of Physical and Rehabilitation Medicine, Korea University Guro Hospital, 148 Gurodong-ro, Guro-gu, Seoul, 08308, Republic of Korea.
BMC musculoskeletal disorders
|June 27, 2023
概括
人工智能 (AI) 显著提高了使用肌肉超声波的手腕道综合征 (CTS) 的诊断准确性. 在手肌中对回声强度 (EI) 的AI辅助分析提供了更精确,非侵入性的诊断工具.
科学领域:
- 神经学 神经学
- 医疗成像医学成像
- 人工智能的人工智能
背景情况:
- 焦点神经病变会导致脱皮,导致肌肉纤维中的脂肪/纤维组织更换,增加超声波回声强度 (EI).
- 使用灰度尺度的定量EI分析在区分正常肌肉和异常肌肉方面是有限的.
- 人工智能 (AI) 在提高肌肉超声波图像分析的准确性方面表现有希望,特别是在手管综合征 (CTS) 中,这是最常见的焦点神经病变.
研究的目的:
- 验证人工智能辅助的肌肉超声波定量分析在诊断手腕道综合征 (CTS) 的实用性.
- 为了比较传统定量灰度分析的诊断准确性与用于CTS检测的机器学习 (ML) 分析.
主要方法:
- 追溯性研究分析了已确认CTS的成年患者和健康对照者的超声波手肌图像.
- 进行了传统的定量灰度分析 (平均EI比率) 和机器学习 (ML) 分析.
- 没有受影响的手的超声波图像作为对照;超声波由一个医生在一致的设置下进行.
主要成果:
- 总共分析了47个CTS手和27个控制手.
- 传统分析显示,CTS患者的平均EI比率明显高 (AUC=0.76).
- 机器学习分析,特别是线性支向量分类器,实现了更高的准确性 (AUC=0.86),通过递归特征消除进一步改进到0.89.
结论:
- 人工智能显著提高了定量肌肉超声波的诊断准确性.
- 已建立的基于ML的分析协议集成到超声波机器中,可以为CTS诊断提供一种非侵入性,快速的辅助工具.
