通过加权多视图网络对前十字带进行自动诊断
Feng Li1, Penghua Zhai2, Chao Yang1
1Orthopedic Department, Ningbo No. 2 Hospital, Ningbo, China.
Frontiers in bioengineering and biotechnology
|October 27, 2023
概括
一个新的3D深度学习系统使用MRI扫描准确地检测前十字带 (ACL) 撕裂. 这种计算机辅助诊断工具具有很高的诊断准确性,证明了它在膝关节评估中的临床潜力.
科学领域:
- 医学成像分析分析 医学成像分析
- 医疗保健中的人工智能
- 骨科诊断器 骨科诊断器 骨科诊断器
背景情况:
- 前十字带 (ACL) 损伤是膝关节关节的常见病理.
- 在磁共振成像 (MRI) 中精确检测ACL撕裂对于有效治疗至关重要.
- 当前的诊断方法可能耗时,需要专家解释.
研究的目的:
- 开发和评估基于3D深度学习的计算机辅助诊断 (CAD) 系统,用于在膝盖MRI中自动检测ACL.
- 在内部和公共数据集上调查系统的适用性和诊断性能.
主要方法:
- 开发一个3D加权的多视图卷积神经网络 (CNN),集成多个MRI视图.
- 在两个数据集上进行评估:内部MRI-ACL数据集 (100例) 和公共MRNet-v1.0数据集 (1,250例).
- 使用接收器操作特征曲线 (AUC) 下面的面积进行性能评估.
主要成果:
- 3D加权多视图网络实现了97.00% (MRI-ACL) 和92.86% (MRNet-v1.0) 的高AUC.
- 与单视图方法和标准多视图MRNet.com相比,该系统表现出更高的性能.
- 与现有方法相比,AUC的改善范围大约在0.28%至1.08%之间.
结论:
- 开发的3D加权多视图网络显示了ACL撕裂的自动和准确检测的巨大潜力.
- 该系统在不同数据集中的高诊断准确性突出显示了它在膝盖MRI分析中的临床适用性.
- 这种人工智能驱动的方法可以帮助临床医生更有效地诊断ACL损伤.
