根据后图X射线图像评估脊椎病的严重程度,使用对比的语言图像预训练模型
Artur Fabijan1, Robert Fabijan2, Agnieszka Zawadzka-Fabijan3
1Department of Neurosurgery, Polish-Mother's Memorial Hospital Research Institute, 93-338 Lodz, Poland.
Diagnostics (Basel, Switzerland)
|July 14, 2023
概括
对比的语言图像预训练 (CLIP) 系统在从X射线图像中识别严重的脊椎病时表现出高灵敏度. 这种人工智能模型为临床环境中的基本脊椎病评估提供了一个有前途的工具.
科学领域:
- 医疗成像医学成像
- 人工智能的人工智能
- 整形外科 整形外科 整形外科
背景情况:
- 严重脊椎病的诊断依赖于分析后泌尿外科X射线图像.
- 开源人工智能模型 (OSAIM) 为图像分析提供了潜力.
研究的目的:
- 评估对比性语言图像预训练 (CLIP) 模型在后泌尿 X 射线图像中识别严重脊椎病的能力.
- 评估CLIP的准确性和灵敏性,以检测脊椎病.
主要方法:
- 使用了23张来自严重脊柱病患者的后造影X射线图像.
- 图像被两个神经外科专家独立审查.
- 输入X射线图像到CLIP系统中进行分析,并对各种问题的复杂性进行分析.
- 将CLIP模型的预测 (概率0-1) 与专家评估进行了比较.
- 确定真正阳性,假阴性和敏感度以量化识别质量.
主要成果:
- 在分析的X射线图像中,CLIP系统在识别可见的严重脊椎病时表现出高水平的灵敏度.
- 该模型的预测与专家评估有很强的相关性,表明可靠的基本图像评估能力.
结论:
- 对比性语言图像预训练 (CLIP) 模型可以有效地在X射线图像中进行严重脊椎病的基本评估.
- OSAIM显示出在未来广泛应用在分析医疗图像的潜力,包括用于脊椎病评估的医学图像.
