整体人工智能 (AI) 方法:通过使用多中心数据集进行多数投票,在AP骨盆平面放射图中检测部骨折
Salih Beyaz1, Sahika Betul Yayli2, Ersin Kılıc2
1Başkent University Adana Dr. Turgut Noyan Research and Training Centre, Orthopedics and Traumatology Department, Adana, Türkiye.
Digital health
|November 30, 2023
概括
这项研究表明,使用多数投票结合多个人工智能模型,可以提高X射线上部骨折检测的准确性. 人工智能方法为识别关节骨折提供了更一致的诊断工具.
科学领域:
- 放射学 放射学是一门学科.
- 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:
- 部骨折是一个重要的健康问题.
- 从X射线放射图中准确有效地诊断骨折,对于及时治疗至关重要.
- 目前的诊断方法可能耗时,可能有局限性.
研究的目的:
- 探索人工智能 (AI) 的潜力,提高诊断准确性和有效性,使用X射线放射图来识别骨折.
- 为了比较个别深度学习模型的性能与大多数投票组合用于关节骨折检测.
主要方法:
- 在一个数据集上训练了三个深度学习模型 (Xception,EfficientNet,NfNet) 10,849 AP盆腔X射线.
- 利用多数投票技术汇总单个模型的预测.
- 在数据的不同子集上验证和测试模型,确保均衡的表示.
主要成果:
- 多数投票模型 (模型D) 实现了最高的绩效指标.
- 与单个模型相比,D模型表现出优异的F1得分 (0.929),准确性 (0.971) 和特异性 (0.991).
- 单个模型也表现出高性能,C型车F1得分为0.899,准确度为0.966.
结论:
- 通过多数投票将多个AI模型的决策汇总起来,导致更一致,更可靠的关节骨折诊断.
- 虽然人工智能在理论上取得了成功,但实际实施面临着伦理,法律和保密方面的挑战.
- 临床反对于改进人工智能算法和确保其有效整合到现实世界医疗保健环境中至关重要.


