在X射线图像上检测关节整形术后的术后并发症的多分支网络
Sijia Guo1,2, Jiping Zhang1,2, Huiwu Li3
1School of Biomedical Engineering, Shanghai Jiao Tong University, Shanghai, China.
Frontiers in bioengineering and biotechnology
|October 16, 2023
概括
这项研究引入了一个深度学习模型,用于在X射线上自动检测关节整形术 (THA) 后的术后并发症. 人工智能系统实现了最先进的结果,提高了诊断准确性和效率.
科学领域:
- 医疗成像中的人工智能
- 整形外科 整形外科研究
- 深度学习用于诊断工具
背景情况:
- 整部关节整形术 (THA) 后的术后并发症往往需要修复手术.
- 目前使用X射线检测并发症的方法是主观的,耗时的.
- 自动检测THA并发症对于及时干预和改善患者结果至关重要.
研究的目的:
- 开发和评估一个新的多分支深度学习网络,用于在THAX射线图像上自动检测术后并发症.
- 与手动评估相比,提高识别并发症的准确性和效率.
主要方法:
- 开发了一个利用ResNet作为骨干的多分支网络.
- 全球和频道特征流被纳入,以增强特征提取.
- 设计了一个多系数类特定的剩余注意力块,以捕捉并发症之间的相关性.
主要成果:
- 提出的方法实现了最先进的性能,平均平均精度 (mAP) 为0.346和F1评分为0.429,用于检测多种并发症.
- 在识别无菌松动时观察到出色的性能,回忆率和精度分别为0.929和0.897.
- 废弃研究证实了在各种数据集和检测任务中拟议的网络模块的有效性.
结论:
- 开发的深度学习方法提供了一个准确和端到端的解决方案,用于检测THA后的术后并发症.
- 这种由人工智能驱动的方法有可能提高骨科手术中的诊断工作流程.


