使用双平面X射线图像识别青少年月经状态:基于深度学习的方法
Linzhen Xie1,2,3, Tenghui Ge1,2,3, Bin Xiao1,2,3
1Department of Spine Surgery, Peking University Fourth School of Clinical Medicine, Beijing 100035, China.
Bioengineering (Basel, Switzerland)
|July 29, 2023
概括
这项研究引入了一个人工智能工具,可以自动从EOSX射线图中确定青少年初潮状态. 深度学习算法实现了高精度,有助于临床决策,并有可能成为标准工具.
科学领域:
- 医疗成像医学成像
- 人工智能的人工智能
- 青少年健康 青少年健康
背景情况:
- 准确评估初潮状态对于青少年健康监测和生殖健康管理至关重要.
- 目前用于确定初经状态的方法可能是侵入性的或依赖于自我报告,引入潜在的不准确性.
- 放射性评估提供了一个非侵入性的替代方案,但手动解释可能是耗时和主观的.
研究的目的:
- 开发和验证一种基于深度学习的自动化方法,用于使用EOS (星团) 放射图识别青少年初潮状态.
- 创建一个算法,能够从EOS图像中分析骨成熟度指标,以预测初经状态.
- 建立一个计算效率高,准确的工具,用于临床评估女性青少年骨发育.
主要方法:
- 开发一个深度学习算法,包括一个兴趣区域检测网络和一个分类网络.
- 培训和验证使用738名青少年EOS病例的回顾性数据集,采用五倍交叉验证策略.
- 在259个青少年EOS病例的独立临床验证组上进行测试,以评估现实世界的表现.
主要成果:
- 该算法在临床验证组中实现了高性能,精度为0.942,宏精度为0.933,宏回忆为0.938,宏F1得分为0.935.
- 观察到在区分男性和女性方面表现出色.
- 对于女性,该算法在估计初潮状态 (AUC=0.959) 中的精度为0.910,灵敏度为0.943,特异性为0.855,卡帕值为0.806,表明强烈的同意.
结论:
- 开发的深度学习算法提供了一种高效和准确的自动化方法,用于从EOSX射线图中识别青少年初潮状态.
- 该算法显示出很强的临床应用潜力,协助医疗保健提供者就青少年骨成熟度和生殖健康做出决策.
- 这种自动化方法可以简化EOS放射图的分析,为临床实践提供可靠的参考.
