一种可解释的方法,用于在盆腔创伤中自动化严重性评分

科学领域:

• 放射学 放射学是一门学科.
• 人工智能的人工智能
• 医疗成像医学成像

背景情况:

• 骨盆环断裂在创伤患者中很常见,通常需要使用Tile AO/OTA系统进行分类.
• 从CT扫描中自动分类骨盆骨折的Tile可以提高放射科医生的工作流程,并优先考虑紧急病例.

研究的目的:

• 开发一个自动化和可解释的决策支持系统,用于骨盆骨折检测和Tile等级分类.
• 为创伤放射科医生提供全身CT扫描自动读取的洞察力,以协助创伤放射科医生.

主要方法:

• 一个更快的RCNN模型在CT扫描上检测高特异性的骨盆骨折.
• 一个基于临床实践的结构因果模型,从检测到的骨折中推断出初始的Tile等级.
• 贝叶斯因果模型和物体探测器完善了断裂检测和分类,以获得最终的Tile等级.

主要成果:

• 该系统在翻译不稳定性方面达到83.3%的AUC,在旋转不稳定性方面达到85.1%.
• 自动化方法提供了可解释的特征,包括骨折位置,类型和反事实.
• 这种方法表现出与以前的黑子方法相似的性能,同时允许人机组合.

结论:

• 开发的系统为创伤CT中的骨盆骨折分级提供了一个自动化但可解释的解决方案.
• 这种人工智能驱动的工具可以支持放射科医生,减少工作量,提高创伤诊断的效率.
• 该系统的透明性质促进了人类读者和人工智能之间的信任和协作.