开发和优化人工智能算法用于儿童的手腕骨折检测,使用免费可用的数据集
Tristan Till1,2, Sebastian Tschauner2, Georg Singer3
1Department of Applied Computer Sciences, FH JOANNEUM - University of Applied Sciences, Graz, Austria.
Frontiers in pediatrics
|January 8, 2024
概括
为儿科手腕骨折检测优化AI算法显著提高了准确性. 在大型数据集上训练的机器学习模型增强了医疗保健专业人员在儿科创伤护理中的诊断支持.
科学领域:
- 医疗成像医学成像
- 人工智能在医学中的应用
- 儿科放射学 儿科放射学
背景情况:
- 计算机辅助检测 (CADe) 和诊断 (CADx) 系统为儿童创伤护理提供了进步.
- 机器学习 (ML) 解决方案对于识别细微的儿科手腕骨折至关重要,通常在常规X射线上错过.
研究的目的:
- 开发和优化用于检测儿童手腕骨折的AI算法.
- 提高儿童骨折识别中的ML模型的准确性和可靠性.
主要方法:
- 使用了GRAZPEDWRI-DX数据集的儿科手腕X射线图.
- 训练并优化了一个你只看一次的物体探测器 (YOLOv7) 模型.
- 为了模型的可解释性,使用梯度类激活映射 (Grad-CAM).
主要成果:
- 数据预处理和模型配置的优化导致了平均平均精度 (mAP) 的显著改善.
- 在数据集优化后,观察到最大mAP增加25.51% (mAP@0.5) 和39.78% (mAP@[0.5:0.95]).
- 进一步的模型优化产生了13.36% (mAP@0.5) 和27.01% (mAP@[0.5:0.95]) 的增长.
结论:
- 这项研究证实了ML在儿童创伤护理中的有效性.
- 优化的人工智能模型和数据集增强对象检测和诊断支持医疗保健专家.
- 进一步研究和倡导优化ML协议对于临床实施至关重要.
