深度学习辅助诊断系统:提高远半径骨折的诊断准确度
Jiayao Zhang1,2, Zhimin Li3, Heng Lin4
1Department of Orthopedics, Union Hospital, Tongji Medical College, Huazhong University of Science and Technology, Wuhan, China.
Frontiers in medicine
|September 4, 2023
概括
一个深度学习模型在X射线上准确地检测到远半径骨折 (DRF),超过了人类医生. 这种人工智能工具在改善临床环境中的诊断准确性和效率方面表现有前途.
科学领域:
- 放射学和医学成像学 医学成像学
- 医疗保健中的人工智能
- 整形外科 整形外科 整形外科
背景情况:
- 距离半径骨折 (DRF) 是常见的伤害,需要准确的诊断.
- 临床诊断可能具有挑战性,需要先进的辅助工具.
- 深度学习为自动化医疗图像分析提供了潜力.
研究的目的:
- 开发和评估深度学习 (DL) 模型,用于智能检测DRF.
- 将DL模型的诊断性能与人类医疗专业人员进行比较.
- 评估使用人工智能来帮助DRF诊断的可行性.
主要方法:
- 使用了3240名患者 (1,620人骨折,1,620人正常) 的数据集,其中有3276名前后 (AP) 和3260名侧手腕X射线.
- 数据被分为培训 (70%),验证 (15%) 和测试 (15%) 集.
- 深度学习模型经过训练和验证,使用ROC曲线,AUC,精度,灵敏度和特异性来评估性能,与骨科和放射科的医生相比.
主要成果:
- 在检测DRF时,DL整体模型实现了高精度 (97.03%),灵敏度 (95.70%) 和特异性 (98.37%).
- 在AP (97.75%准确度) 和横向 (96.32%准确度) 视图之间,性能略有差异.
- DL模型的性能超过了骨科和放射科的医生组.
结论:
- 开发的DL组合模型在普通X射线膜上显示了DRF检测的出色性能.
- 将这种AI模型集成为诊断辅助可以提高DRF诊断的准确性.
- 人工智能工具有望提高诊断DRF的临床工作流效率.
