有效的自动检测前十字带损伤使用卷积神经网络与两个注意力机制模块
Chen Liang1, Xiang Li2, Yong Qin1
1Department of Minimally Invasive Surgery and Sports Medicine, The 2Nd Affiliated Hospital of Harbin Medical University, Harbin, 150001, China.
BMC medical imaging
|September 11, 2023
概括
这项研究引入了一种使用卷积神经网络 (CNN) 的自动深度学习系统,用于在MRI扫描上检测前十字带 (ACL) 损伤. CNN模型在识别ACL撕裂方面表现出高度准确性,有助于临床诊断.
科学领域:
- 医学成像分析 医学成像分析
- 医疗保健中的人工智能
- 骨科诊断 骨科诊断 骨科诊断
背景情况:
- 前十字带 (ACL) 损伤是常见的膝盖损伤.
- 通过磁共振成像 (MRI) 准确诊断ACL撕裂对于有效治疗至关重要.
- 目前的诊断方法可能面临效率和准确性的限制.
研究的目的:
- 开发和验证一个完全自动化的卷积神经网络 (CNN) 检测系统用于使用MRI的ACL损伤.
- 评估CNN在MRI图像上检测ACL损伤的可行性和性能.
主要方法:
- 使用了630个膝盖MRI扫描 (355个受伤的ACL,275个完整的ACL) 的数据集.
- 应用了数据增强技术 (翻转,旋转,缩放) 来扩展数据集.
- 一个包含两个注意力机制的CNN模型被训练并使用五倍交叉验证进行评估.
主要成果:
- 该CNN模型的准确度为0.8063,精度为0.7741,灵敏度为0.9268,特异性为0.6509,F1得分为0.8436.
- 跨越交叉验证的平均准确率为0.8064.4.
- 该模型显示,用于检测受伤的ACL,曲线下的面积 (AUC) 为0.8886.
结论:
- 已经开发出一种有效的,自动化的CNN模型来检测膝盖MRI上的ACL损伤.
- 这种人工智能驱动的方法可以帮助临床医生诊断ACL损伤,提高诊断效率和减少错误.
