基于人工智能的远半径X射线骨折分析:用于临床实践的代表性分类,检测和细分深度学习模型之间的准确性
Maximilian Frederik Russe1, Philipp Rebmann1, Phuong Hien Tran1
1Department of Diagnostic and Interventional Radiology, Universitätsklinikum Freiburg Medizinische Universitätsklinik, Freiburg im Breisgau, Germany.
BMJ open
|January 23, 2024
概括
这项研究比较了用于检测远半径骨折的人工智能 (AI) 模型,发现所有方法都实现了高性能. 最好的AI工具取决于破裂分析所需的自动化水平.
科学领域:
- 放射学和医学成像学 医学成像学
- 医疗保健中的人工智能
- 整形外科手术 整形外科手术
背景情况:
- 为临床骨折检测选择最佳的人工智能 (AI) 解决方案是具有挑战性的.
- 不同的人工智能模型的直接性能比较是指导临床采用的必要条件.
研究的目的:
- 直接比较定制训练和商业人工智能模型的性能,以检测远半径骨折.
- 根据分类,检测和细分能力来评估AI模型.
主要方法:
- 一项回顾性研究分析了2856张远半径放射图.
- 开发了定制训练的分类和细分模型,并与商业AI解决方案 (BoneView) 进行了比较.
- 使用准确度和接收器操作特征 (AUROC) 下的面积来评估性能.
主要成果:
- 所有评估的AI模型都在检测远半径骨折方面表现出很高的性能.
- 分类模型的准确度高达0.97,细分模型为0.94,骨视模型为0.95.
- 观察到高级别之间的可靠性,弗莱斯的kappa为0.83.
结论:
- 定制训练和商业人工智能模型为远半径骨折检测提供了有效的解决方案.
- 人工智能工具的选择取决于特定的临床自动化需求,例如自动分类,人工智能辅助阅读或最小化虚假负面.
