使用人工智能在第三级专业环境中开发一种用于形查的新工具:一项对10813名患者的回顾性研究:2023年SOSORT获奖者
Francesco Negrini1,2, Andrea Cina3,4, Irene Ferrario5
1Department of Biotechnology and Life Sciences, University of Insubria, 21100, Varese, Italy. Francesco.negrini@uninsubria.it.
概括
干旋转角度 (ATR) 和其他临床症状有效地选脊椎病. 这种非侵入性方法有望改善早期检测并减少青少年异常学脊椎病 (AIS) 中不必要的X射线.
科学领域:
- 整形外科 整形外科 整形外科
- 医疗成像医学成像
- 机器学习 机器学习
背景情况:
- 脊柱查对于早期发现脊柱形至关重要.
- 目前的选方法可能在准确性和可访问性方面存在局限性.
- 寻求非侵入性方法来提高诊断效率.
研究的目的:
- 评估干部旋转角度 (ATR) 与其他临床征兆相结合的有效性,用于非侵入性脊柱形查.
- 开发一个预测模型来分类脊椎病的严重程度,而无需X射线.
主要方法:
- 在从10,813名患者 (4-18岁) 的数据上训练了一种后勤回归模型.
- 预测因素包括ATR,突出,可见不对称性和患者人口统计.
- 该模型将主要曲线的科布角分类为15,20,25,30和40度.
主要成果:
- 模型的准确度在不同脊柱形严重程度值中从74%到84%不等.
- ATR,突出和腰部不对称是关键预测因素.
- 该模型的性能超过了推放射检查的传统ATR值.
结论:
- 机器学习模型增强了针对AIS的非侵入性脊柱形查.
- 这些发现支持开发工具,以帮助医生决定放射性成像.
更多相关视频
06:28Biomechanical Changes Related to Low Back Pain: An Innovative Tool for Movement Pattern Assessment and Treatment Evaluation in Rehabilitation
Published on: December 13, 2024
559
05:49Author Spotlight: Advancing CBCT and Digital Dental Image Integration with AI-Assisted Digitization
Published on: February 23, 2024
882
