开发和验证一个深度学习模型来预测全关节置换在X射线图:全关节置换预测 (THREP) 模型
Yi Xu1,2, Hao Xiong1,2, Weixuan Liu1,2
1Department of Orthopedics, Shanghai Sixth People's Hospital, Shanghai Jiao Tong University School of Medicine, Shanghai, People's Republic of China.
The Journal of bone and joint surgery. American volume
|December 13, 2023
概括
一个新的深度学习模型使用放射图像和临床数据准确地预测骨关节炎患者的关节整形术 (THA) 的可能性. 这个工具有助于患者咨询和手术时间决定.
科学领域:
- 整形外科 整形外科 整形外科
- 放射学 放射学是一门学科.
- 人工智能的人工智能
背景情况:
- 对于骨关节炎患者的全关节整形术 (THA) 的准确风险评估是有限的.
- 临床和研究应用需要新的方法.
研究的目的:
- 开发一个深度学习模型来预测THA风险.
- 利用放射图像和临床症状数据进行预测.
主要方法:
- 使用骨关节炎倡议 (OAI) 数据进行的回顾性多中心病例控制研究.
- 深度卷积神经网络 (DCNN) 模型在放射图和临床数据上训练.
- 预测的THA概率和时间 (0-9年).
主要成果:
- 该模型在9年内获得了91.35%的准确性,92.5%的灵敏性和86.96%的THA特异性 (AUC=0.944).
- DCNN模型在预测THA时间方面表现强 (AUC从0.841到0.916不等).
- 梯度加权类激活映射确定了关键预测区域.
结论:
- DCNN模型提供了一种可靠的方法来预测THA概率.
- 该模型可以帮助临床医生在患者咨询和干预时间方面提供帮助.
- 未来的改进包括更大的数据集和多样化的参与者群体.
更多相关视频
07:43In Vivo Quantification of Hip Arthrokinematics during Dynamic Weight-bearing Activities using Dual Fluoroscopy
Published on: July 2, 2021
3.1K
04:09Predicting Treatment Response to Image-Guided Therapies Using Machine Learning: An Example for Trans-Arterial Treatment of Hepatocellular Carcinoma
Published on: October 10, 2018
8.3K