使用双能X射线吸收度 (DXA) 图像和基于深度学习的特征提取的图像来分类落中的骨折风险
Damith Senanayake1,2, Sachith Seneviratne2,3, Mahdi Imani4,5
1Department of Biomedical Engineering University of Melbourne Parkville VIC Australia.
JBMR plus
|December 22, 2023
概括
这项研究使用深度神经网络和DXA扫描来预测老年人骨折风险. 视力转换器技术在识别有高跌倒风险的个体方面表现有前途.
科学领域:
- 放射学和成像学 放射学和成像学
- 人工智能在医学中的应用
- 老年医学 老年医学
背景情况:
- 双能X射线吸收计 (DXA) 是骨矿物质密度评估的标准.
- 使用DXA图像特征来预测骨折风险仍未得到充分探索.
- 跌倒是老年人面临的重大问题,需要改进风险评估工具.
研究的目的:
- 利用DXA图像和临床数据开发一个用于骨折风险预测的深度学习模型.
- 评估不同神经网络架构的有效性,包括视觉转换器,这项任务.
- 评估模型在区分故障和无故障控制中的性能.
主要方法:
- 一组478名失败者和48名对照人接受了DXA扫描 (全身,部,前臂,脊柱).
- 一个建模管道涉及特征提取器的自我监督预训 (ViT-S,VGG-16,Resnet-50).
- 功能提取器与多层感知器相结合,用于骨折风险分类.
主要成果:
- 开发的模型实现了接收器操作特征曲线 (AUROC) 下的平均面积为74.3%.
- 小视力变压器 (ViT-S) 在骨折风险分类方面表现出强大的潜力.
- 该方法成功地整合了DXA成像和临床数据用于风险评估.
结论:
- 深度神经网络,特别是ViT-S,可以有效地使用DXA扫描来分类骨折风险.
- 这种方法为开发骨折风险查工具提供了一个有希望的途径.
- 这些发现特别适用于识别容易摔倒的老年人.
