使用深度学习方法开发和验证股骨头骨髓缩的自动分类系统:一个多中心研究
Xianyue Shen1, Ziling He2, Yi Shi3
1Department of Orthopedics, The Second Hospital of Jilin University, Changchun, Jilin province, PR China.
The Journal of arthroplasty
|August 12, 2023
概括
一个深度学习模型准确地分类了股骨头骨硬化 (ONFH) 的严重程度. 这种卷积神经网络 (CNN) 有助于预测股骨头崩,并指导ONFH患者的临床决策.
科学领域:
- 整形外科 整形外科 整形外科
- 放射学 放射学是一门学科.
- 人工智能的人工智能
背景情况:
- 足骨头骨 necrosis (ONFH) 的准确分类对于及时干预至关重要.
- 当前的分类方法可能会从先进的计算方法中受益.
研究的目的:
- 开发和验证一个深度学习模型来对ONFH进行分类.
- 评估模型的性能与专家评价的对比.
主要方法:
- 从1,337个部进行的1,806个中冠膜MRI的回顾性分析.
- 使用培训/验证/测试分割 (7:1:2) 开发一个卷积神经网络 (CNN).
- 使用独立数据集进行外部验证,并与骨科外科医生进行比较.
主要成果:
- 在内部验证中,CNN的整体准确率达到87.8%,在外部验证中达到83.8%.
- 高宏观平均AUC (0.90内部,0.87外部) 和性能指标 (精度,回忆,F值).
- 美国有线电视新闻网 (CNN) 的表现与副首席整形外科医生的表现相当或更高.
结论:
- 一个CNN模型是可行的和强大的ONFH分类,包括死角区域定位.
- ONFH的深度学习分类提供了高准确性和通用性.
- 这种方法可以改善大腿骨头崩的预测,并支持临床决策.


