深度学习模型用于测量肩部临界角度和肩部X射线图上的缩指数
M Moein Shariatnia1, Taghi Ramazanian2,3, Joaquin Sanchez-Sotelo3
1Medical Student, School of Medicine, Tehran University of Medical Sciences, Tehran, Iran.
JSES reviews, reports, and techniques
|August 17, 2023
概括
一个新的深度学习工具准确地测量了X射线图上的肩膀临界角度 (CSA) 和 ακromion指数 (AI). 这种自动化方法提高了研究可行性,并为诊断肩部疾病提供了潜在的临床应用.
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:
- 骨形态参数,如肩关键角 (CSA) 和指数 (AI),与旋转手套撕裂和骨关节炎有关.
- 准确测量这些参数对于了解疾病发展至关重要.
研究的目的:
- 开发和评估用于自动测量CSA和AI的深度学习工具.
- 为了评估深度学习模型的准确性,与人体测量对前后肩部X射线图的测量相比.
主要方法:
- 使用了MURA数据集v1.1,这是一个大型的公共肌肉骨放射数据集.
- 训练了一个U-Net模型,使用PyTorch框架进行细分和测量.
- 在一个专门的测试套件上评估了该模型的性能,其中包括93张肩部放射图.
主要成果:
- 深度学习模型在CSA测量的平均绝对误差为1.68°.
- 该模型显示,人工智能测量的平均绝对误差为0.03.
- 这些结果表明自动测量的高精度和准确性.
结论:
- 深度学习提供了一个精确和准确的方法来测量CSA和AI在肩部放射图上.
- 这个自动化工具可以促进大规模的研究研究.
- 临床整合到放射学软件中的潜力,以改善诊断.
