FemurTumorNet:使用基于X射线图的DenseNet模型对靠近大腿骨中的骨瘤进行分类
Canyu Pan1, Luoyu Lian2, Jieyun Chen1
1Department of Radiology, Quanzhou First Hospital Affiliated to Fujian Medical University, Quanzhou 362000, Fujian Province, China.
Journal of bone oncology
|September 28, 2023
概括
一个人工智能 (AI) 模型准确地从放射图片中分类近接大腿骨瘤,优于人类医生. 这种人工智能工具有助于减少误诊,以改善肌肉骨瘤学患者的治疗结果.
科学领域:
- 放射学 放射学是一门学科.
- 在瘤学瘤学.
- 人工智能的人工智能
背景情况:
- 准确分类近端大腿骨瘤对于有效的治疗至关重要.
- 简单的X射线图是骨瘤的常见诊断工具.
研究的目的:
- 开发和评估一种人工智能 (AI) 模型,用于使用平面放射图来对靠近的股骨骨瘤进行分类.
- 将人工智能模型的性能与人类专家诊断进行比较.
主要方法:
- 用538张部X射线图 (包括恶性,良性和无瘤病例) 的数据集来训练DenseNet AI模型.
- 人工智能模型的分类性能使用交叉验证进行了评估,并与人类专家的准确性进行了比较.
- 使用Grad-CAM可视化人工智能识别的瘤位置.
主要成果:
- 人工智能模型实现了0.953的接收机操作特征 (AUROC) 下的区域,用于三标签分类.
- 人工智能模型的诊断准确度 (0.853) 超过了人类专家 (0.794).
- 与临床医生相比,人工智能模型表现出更高的灵敏度,特异性,准确性和F1分数.
结论:
- 开发的DenseNet人工智能模型准确地从普通X射线图中分类近接大腿骨瘤.
- 这种人工智能技术有可能最大限度地减少误诊,特别是非专家的误诊.
- 深度学习模型为增强骨瘤分类和临床决策提供了一个有希望的途径.


