验证深度学习算法用于巴西圣保罗市患者的骨年龄估计
Augusto Sarquis Serpa1,2, Abrahão Elias Neto1, Felipe Campos Kitamura1,2
1Escola Paulista de Medicina da Universidade Federal de São Paulo (EPM-Unifesp), São Paulo, SP, Brazil.
Radiologia brasileira
|January 11, 2024
概括
一个深度学习 (DL) 模型在圣保罗估计骨年龄方面显示出前景,在性别和种族之间表现良好. 然而,骨年龄估计模型需要对年轻人进行改进.
科学领域:
- 放射学 放射学是指放射学
- 人工智能的人工智能
- 儿科 儿科 儿科
背景情况:
- 准确的骨龄估计对于评估儿童和青少年的骨成熟度至关重要.
- 传统方法依赖于手动解读放射图,这可能是主观和耗时的.
- 深度学习 (DL) 模型为自动化和客观的骨年龄评估提供了潜力.
研究的目的:
- 验证深度学习 (DL) 模型用于圣保罗人口的骨年龄估计.
- 为了比较DL模型的性能与已建立的Greulich和Pyle方法.
- 评估DL模型在不同的人口群体 (性别,种族) 和年龄范围内的准确性.
主要方法:
- 一个横截面研究,利用手和手腕的X射线图来确定骨年龄.
- 由经验丰富的放射科医生进行的手动分析作为基准.
- 一个卷积神经网络 (CNN) 模型,在一个主要的挑战中被识别出来,用于自动化分析.
主要成果:
- 在DL模型和放射科医生评估之间观察到强烈的相关性 (R2=0.94).
- DL模型实现了7.68个月的平均绝对误差 (MAE) 和10.27个月的根平均平方误差 (RMSE).
- 根据性别或种族 (p > 0.05) 发现准确度没有显著差异,但模型高估了年轻人骨龄 (p = 0.001).
结论:
- DL算法显示,在圣保罗人口中,无论性别和种族,骨年龄估计具有显著的潜力.
- 该模型的性能与已知的方法相美,为临床实践提供了有价值的工具.
- 需要进一步开发以提高DL模型的准确性,特别是对于年轻年龄组的儿科患者.
相关概念视频
01:40Bone Remodeling
Bone remodeling is a continuous and balanced process of bone resorption by osteoclasts and bone formation by osteoblasts. In adults, it helps maintain bone mass and calcium homeostasis. While mechanical stress can stimulate turnover as part of the normal maintenance and reparative process, several hormones also regulate bone remodeling.
01:18Classification of Bones
The bones of the human skeletal system are of varied shapes, sizes, and functions. They can be classified based on their shape and function into four major classes: long bones, short bones, flat bones, and irregular bones. Some classifications include a fifth type, the sesamoid bones, as a separate class, whereas others categorize them under short bones.
Long and Short Bones
The appendicular skeleton, particularly the upper and lower limbs, is primarily made of long and short bones. The long...
Long and Short Bones
The appendicular skeleton, particularly the upper and lower limbs, is primarily made of long and short bones. The long...