通过使用深度学习和普通放射图,自动检测后沿线带的胸部骨化
Sadayuki Ito1, Hiroaki Nakashima1, Naoki Segi1
1Department of Orthopedic Surgery, Nagoya University Graduate School of Medicine, Nagoya, Japan.
BioMed research international
|December 6, 2023
概括
一个自动化的深度学习系统使用平面放射图准确地检测后侧纵向带 (OPLL) 的胸部骨化. 这种人工智能工具显示了改善OPLL病例早期诊断和患者结果的潜力.
科学领域:
- 医疗成像医学成像
- 人工智能在医学中的应用
- 脊柱外科手术 脊柱外科手术
背景情况:
- 后纵带带 (OPLL) 的胸部骨化往往由于进展缓慢而被诊断为晚期,导致治疗结果不足最佳.
- 早期发现胸部OPLL对于及时干预和改善患者预后至关重要.
- 目前的诊断方法可能并不总是能够在早期无症状阶段识别OPLL.
研究的目的:
- 开发和评估一个自动化的深度学习系统,用于检测胸部OPLL使用普通X射线.
- 与经验丰富的脊椎外科医生相比,评估人工智能系统的诊断性能.
- 探索AI在提高胸部OPLL诊断的准确性方面的潜力.
主要方法:
- 从146名胸部OPLL患者和150名对照患者的普通侧侧胸部X射线图的回顾性审查.
- 开发基于深度学习的对象检测模型,用于识别胸部OPLL.
- 对人工智能系统准确性的比较分析与两个脊椎外科医生的评估.
主要成果:
- 深度学习模型在检测胸部OPLL时实现了83.4%的准确性.
- 人工智能系统的准确性超过了两个脊椎外科医生 (80.4%和77.4%).
- 简单的放射图像作为人工智能驱动的诊断工具的有效输入.
结论:
- 使用普通放射图的自动化深度学习系统可以准确检测胸部OPLL.
- 这种人工智能驱动的方法表明,有可能提高胸部OPLL的诊断准确性.
- 开发的系统可能有助于临床医生更早,更精确地识别胸部OPLL,从而有可能改善患者管理.
