用交互式深度学习细分工具从手部射线图中检测阴性腺瘤-一项可行性研究
Turkka Tapio Anttila1, Samuli Aspinen1, Georgios Pierides1
1Musculoskeletal and Plastic Surgery, Department of Hand Surgery, University of Helsinki and Helsinki University Hospital, 00029 Helsinki, Finland.
Journal of clinical medicine
|November 25, 2023
概括
这项研究开发了一种深度学习模型,用于检测手部X射线图中常见的良性骨瘤 - - 骨髓瘤. 人工智能工具对改善这些经常错过的疾病的早期检测和诊断充满希望.
科学领域:
- 放射学 放射学是一门学科.
- 人工智能的人工智能
- 在瘤学瘤学.
背景情况:
- 染色体是常见的良性骨瘤,经常影响手.
- 症状包括胀和疼痛,但它们通常是无症状的,并没有被注意到.
- 扩张可以削弱骨,增加骨折风险,诊断可能具有挑战性,特别是在创伤病例中.
研究的目的:
- 评估深度学习模型在从手部X射线图中检测内瘤的有效性.
- 评估人工智能的潜力,以提高体瘤的诊断准确度.
主要方法:
- 一个深度学习模型被训练使用414个手部X射线图,其中包括体.
- 性能被评估在一个单独的测试组131张X射线图.
- 通过三位临床专家的专家注释,建立了基本事实.
主要成果:
- 深度学习模型在测试组中成功检测了62种体中56种体.
- 获得了0.95.95的接收器操作员曲线 (AUC) 下的面积.
- 在区域统计重叠方面获得了69.5%的F1得分.
结论:
- 开发的深度学习模型显示出作为手内瘤查工具的巨大潜力.
- 人工智能可以帮助放射科医生提升怀疑并改善这些良性骨瘤的检测.
- 进一步验证可以将该工具整合到常规的放射性解释工作流程中.
