基于MRI的膝关节突炎的自动细分和分类使用深度学习
Qizheng Wang1, Meiyi Yao2, Xinhang Song2
1Peking University Third Hospital, Department of Radiology, 49 North Garden Road, Haidian District, Beijing, PR China (Q.W., X.X., Y.C., K.L., N.L.).
Academic radiology
|November 11, 2023
概括
一个深度学习模型准确地细分膝盖结构并分类突炎,帮助放射科医生进行诊断. 这种人工智能工具在膝关节突炎分类方面表现与人类专家相当或优于人类专家.
科学领域:
- 医疗成像医学成像
- 人工智能的人工智能
- 整形外科 整形外科 整形外科
背景情况:
- 膝关节关节炎,包括类风湿性关节炎,痛风性关节炎和色素性节性关节炎,需要准确的诊断.
- 对于膝关节关节的评估而言,对上皮囊 (SC) 和下皮脂肪 (IPFP) 的准确细分至关重要.
- 对于放射科医生来说,区分不同类型的膝关节综合炎可能是一个挑战.
研究的目的:
- 开发一种深度学习 (DL) 模型,用于在形质子密度加权图像上对SC和IPFP进行细分.
- 使用DL细分模型对三种常见类型的膝关节突炎进行分类.
- 与放射科医生相比,评估DL模型的诊断性能.
主要方法:
- 一项对376名患有病理确诊膝关节综合炎的患者进行的回顾性研究.
- 在手动注释的膝盖MRI扫描上训练语义细分模型.
- 使用细分结果,患者的性别和年龄来通过DL对突炎进行分类.
主要成果:
- 自动化细分模型在内部和外部测试集上实现了高精度 (0.99).
- 在内部测试组中,DL模型在分类膝关节突炎方面表现优于高级放射科医生 (准确率为0.86比0.79).
- 在外部测试组中,DL模型的表现与高级和初级放射科医生相似或更好 (精度为0.79比0.79/0.73).
结论:
- 深度学习模型可以准确地细分膝盖结构,如SC和IPFP.
- 基于DL的细分有助于准确地分类膝关节突炎.
- 这些DL模型显示出有潜力协助和改善膝关节综合炎的放射性诊断.
