使用深度学习从CT图像中对阴茎/骨的不稳定断裂碎片进行自动细分,使用深度学习
Hyeonjoo Kim1,2, Young Dae Jeon3, Ki Bong Park3
1Department of Medical Device Engineering and Management, College of Medicine, Yonsei University, Seoul, Republic of Korea.
Scientific reports
|November 22, 2023
概括
深度学习模型从CT扫描中准确地细分骨和骨骨碎片,与手工方法相比,大大加快了创伤手术的术前计划.
科学领域:
- 整形外科手术 整形外科手术
- 医学成像医学成像
- 人工智能的人工智能是人工智能.
背景情况:
- 从CT图像中准确识别骨碎片对于骨科创伤手术规划至关重要.
- 手动诊断可能比自动化方法耗时且效率较低.
研究的目的:
- 将基于DeepLab v3+的深度学习模型应用于自动细分CT图像中的骨折的骨和骨碎片.
- 为了评估这个自动化细分模型的性能和效率.
主要方法:
- 使用基于DeepLab v3+的深度学习模型进行图像细分.
- 在超过1100万张图像的数据集上训练模型.
- 使用全局准确度,加权交叉与联合 (IoU) 和平均边界 F1 评分来评估细分性能.
主要成果:
- 深度学习模型实现了高性能指标:98.92%的全球准确性,0.9841加权的IOU和0.8921的平均边界F1得分.
- 自动细分比手工专家识别快5-8倍.
- 该模型在准确度上表现出与手工方法相比相当的意义.
结论:
- 深度学习为创伤手术中的骨碎片分割提供了快速而准确的解决方案.
- 这项技术可以显著提高术前外科手术规划,提高效率和速度.
