人工智能可以识别儿科和年轻成年人上肢放射图的骨折

科学领域:

• 医疗成像医学成像
• 人工智能在医学中的应用
• 儿科整形外科 儿科整形外科

背景情况:

• 儿童骨折存在独特的诊断挑战,原因是骨与成人的差异.
• 现有的AI骨折检测研究主要集中在成年人群中.
• 准确识别儿科骨折对于及时和适当的治疗至关重要.

研究的目的:

• 开发和分享用于检测各种儿科上肢骨折的AI模型.
• 为了评估强烈监督的对象检测模型与弱监督的图像分类模型的性能.
• 将人工智能模型的准确性与值班人员的诊断性能进行比较.

主要方法:

• 利用了来自14873名儿科和年轻成人患者的58,846张上肢X射线图的数据集.
• 训练了一个基于更快区域的卷积神经网络 (R-CNN) 和一个EfficientNetV2-小模型.
• 将人工智能模型的性能与手动骨折确定和初步居民解释进行比较.

主要成果:

• 在严格监督的AI模型中,AUC达到0.96,准确度为89.7%,灵敏度为90.8%,特异性为88.7%.
• 人工智能模型的表现明显优于弱监督模型 (AUC 0.93).
• 在初步解读中,AI的准确性高于值班居民 (85.1%),高于 (89.4%).

结论:

• 一个物体检测人工智能模型有效地识别了儿科上肢骨折的高精度.
• 开发的人工智能模型在协助临床医生诊断儿科骨折方面表现出前途.
• 透明地分享这种人工智能模型,可以促进儿科放射学领域的研究和临床应用.