深度学习系统有助于检测和定位腰椎脊髓炎
Jiayao Zhang1,2, Heng Lin3, Honglin Wang1,2
1Department of Orthopedics, Union Hospital, Tongji Medical College, Huazhong University of Science and Technology, Wuhan, China.
Frontiers in bioengineering and biotechnology
|August 4, 2023
概括
一个新的深度学习 (DL) 算法准确地检测到腰椎脊髓缩,超过了人类专家. 这种人工智能工具提高了诊断的准确性和效率,帮助临床医生诊断这种脊髓疾病.
科学领域:
- 放射学 放射学是一门学科.
- 人工智能的人工智能
- 医学成像分析 医学成像分析
背景情况:
- 腰椎脊髓炎的诊断依赖于专家对放射图的解释.
- 客观评估和诊断效率是需要改进的领域.
研究的目的:
- 评估一种新的深度学习 (DL) 对象检测算法,用于诊断腰椎脊髓缩症.
- 为了比较DL算法的性能与骨科外科医生和放射科医生.
主要方法:
- 收集了1596名患者的腰部侧面放射图.
- 训练并评估了两个DL模型,包括基于快速区域的卷积神经网络 (R-CNN).
- 将DL模型性能指标 (精度,回忆,F1得分) 与专家评估进行了比较.
主要成果:
- 与医生组 (0.927,0.892,0.910) 相比,更快的R-CNN模型实现了更高的精度 (0.935),回忆 (0.935),和F1-得分 (0.935).
- 使用DL模型进行辅助诊断,医生的精度提高了4.8%,回忆率提高了8.2%,F1得分提高了6.4%.
- DL模型将每次X射线的平均诊断时间减少了7.139秒.
结论:
- 该DL检测算法是有效的临床诊断的腰椎脊髓缩.
- 该DL算法作为一个有价值的助手,提高诊断准确性和减少临床工作量.
