一个深度学习模型,用于预测非血管化的支柱骨移植的有效性,使用数字放射学
Hao Chen1, Peng Xue1, Hongzhong Xi1
1Affiliated Hospital of Nanjing University of Chinese Medicine, Nanjing, 210029, Jiangsu, China (H.C., P.X., H.X., C.G., S.H., G.S., B.D., X.L.).
Academic radiology
|November 7, 2023
概括
一个深度学习模型准确地预测了使用数字放射学进行非血管化骨移植 (NVFG) 的成功. 这种工具有助于识别理想的患者进行手术,改善部保护结果.
科学领域:
- 整形外科手术 整形外科手术
- 医学成像医学成像
- 医学中的人工智能
背景情况:
- 股骨头骨死 (ONFH) 在部保存方面构成了重大挑战.
- 非血管化骨移植 (NVFG) 是ONFH的一种手术选择,但患者的选择对成功至关重要.
研究的目的:
- 开发和验证一个完全自动化的深度学习 (DL) 模型来预测NVFG的有效性.
- 通过使用数字放射学 (DR) 数据,识别NVFG的合适候选者.
主要方法:
- 对339名接受NVFG的患者 (432个部) 的回顾性分析.
- 使用手术前前后 (AP) 和青侧面 (FL) DR图像开发DL模型.
- 在随机划分的数据集上进行模型培训和验证.
主要成果:
- DL模型在预测NVFG疗效方面取得了78.9%的准确性.
- 高回忆率 (96.0%) 和F1得分 (86.5%) 表示强大的预测性能.
- 青侧面 (FL) 视图显示出与AP视图 (AUC,0.66) 相比,更高的诊断性能 (AUC,0.71).
结论:
- 拟议的DL模型提供了一种自动化和高效的方法来预测NVFG结果.
- 该工具可以集成到临床工作流程中,以帮助患者选择NVFG.
- 该模型提供了一个实际的解决方案,而不会增加临床或财务负担.
