用于诊断关节骨质疏松症的机器学习算法:系统性审查和元分析研究
Fakher Rahim1, Amin Zaki Zadeh2, Pouya Javanmardi3
1Department of Anesthesia, Cihan University - Sulaimaniya, Sulaymaniyah, Kurdistan Region, Iraq.
Biomedical engineering online
|July 10, 2023
概括
机器学习 (ML) 显示出从部DXA图像诊断骨质疏松症的前景,达到很好的准确性. 这项技术可以改善关节骨折预测,帮助骨健康评估.
科学领域:
- 医学成像分析 医学成像分析
- 医疗保健中的机器学习
- 骨健康诊断 骨健康诊断
背景情况:
- 骨质疏松症是一种主要的骨健康问题,其特点是骨组织变化和力量降低.
- 机器学习 (ML) 已经取得了重大进展,提供了新的诊断功能.
- 这项研究评估了ML的诊断测试准确性 (DTA) 用部双能X射线吸收仪 (DXA) 图像检测骨质疏松症.
结论:
- 通过部DXA扫描来诊断骨质疏松症,ML显示了可接受的准确性.
- 在架构学习网络 (ALN) 中训练诊断模型可以增强关节骨折预测能力.
更多相关视频
06:59Author Spotlight: An Economic and Efficient Method for Quantitative Evaluation of Bone Microarchitecture in a Murine Osteoporosis Model
Published on: September 8, 2023
2.5K
07:43In Vivo Quantification of Hip Arthrokinematics during Dynamic Weight-bearing Activities using Dual Fluoroscopy
Published on: July 2, 2021
3.1K
