对基于深度学习的新型软件进行评估,该软件用于自动提取和分级膝关节骨关节炎的放射性特征

科学领域:

• 放射学 放射学是一门学科.
• 人工智能的人工智能
• 骨关节炎研究 骨关节炎研究

背景情况:

• 凯尔格伦-劳伦斯 (KL) 评分系统是膝关节骨关节炎 (OA) 严重程度的标准.
• 由于术语含糊不清,KL系统在观察者之间和观察者内部的可靠性较差.
• 新型深度学习 (DL) 软件MediAI-OA被开发用于客观的OA评估.

研究的目的:

• 开发和验证MediAI-OA用于精确的膝盖OA特征提取和KL分级.
• 评估DL软件在量化关节空间狭窄 (JSN) 和检测骨质细胞方面的性能.
• 评估软件分类KL等级和诊断临床上显著的OA的能力.

主要方法:

• 经过MediAI-OA的培训和验证,使用了来自骨关节炎倡议的44,193次培训和810次验证放射.
• 人工智能模型自动量化JSN,检测骨质细胞,并分类KL等级.
• 在400个测试数据集上评估了性能,将AI结果与基准真相进行比较,使用准确度,精度,回忆,F1得分和科恩的卡帕系数等指标.

主要成果:

• MediAI-OA在JSN量化中获得了0.067的平均二次误差,在骨菌检测中获得了0.84的平均准确性.
• KL等级分类准确度为0.83,科恩的卡帕系数为0.768,表明了实质性的协议.
• 该软件在诊断具有临床意义的OA (KL等级2或更高) 时表现出0.92的准确性.

结论:

• 在分析膝盖OA特征和分级严重程度方面,MediAI-OA的表现与经验丰富的临床医生相美.
• 该DL软件提供可靠的KL分级和膝盖OA诊断.
• MediAI-OA有可能减少放射科医生的负担,并提高OA评估的一致性.