增强的深度学习模型可以在各种机构成像协议中进行准确的对齐测量
Sung Eun Kim1,2, Jun Woo Nam3, Joong Il Kim4
1Department of Orthopaedic Surgery, Seoul National University College of Medicine, 101 Daehak-ro, Jongno-gu, Seoul, 110-744, Republic of Korea.
Knee surgery & related research
|January 12, 2024
概括
这项研究引入了一种先进的深度学习 (DL) 模型,用于精确的全腿射线图对齐测量. DL模型实现了专家级准确性和显著更快的处理时间,无论成像设备或协议.
科学领域:
- 整形外科成像分析分析
- 放射学中的人工智能
- 医疗图像处理 医学图像处理
背景情况:
- 腿部对齐的放射测量在各种设备和协议之间存在一致性的挑战.
- 这项研究增强了深度学习 (DL) 模型,以解决全腿放射图中的这些不一致性.
研究的目的:
- 为了评估先进的DL模型在为全腿X射线图生成统一和精确的对齐测量方面的能力.
- 评估模型的性能,而不考虑机构成像差异和协议变化.
主要方法:
- 一个增强的DL模型被训练在超过10,000个全腿X射线图上,使用对部,膝盖和脚区域的细分方法.
- 外部验证涉及来自三所研究所的300个数据集;测量了七个关键放射性参数.
- 模型测量与骨科专家的评估进行了比较,使用了类内相关系数 (ICC) 和绝对错误分析.
主要成果:
- DL模型表现出卓越的表现,观察者间的ICC (0.936-0.997) 和观察者内部的ICC (1.000) 是完美的,与专家准确度相匹配.
- 在不同的机构成像协议中观察到一致和强大的准确性.
- 处理时间缩短了30倍,从10-11秒到300毫秒,在部-膝盖-脚角测量中绝对误差最小.
结论:
- 增强的DL模型为全腿X射线图提供了准确和快速的对齐测量.
- 它克服协议变化的能力表明其在骨科成像中具有广泛的临床和研究应用潜力.
