通过使用深度学习在平面肩部X射线图上自动检测和分类旋转部撕裂
Eiko Hashimoto1, Satoshi Maki1, Nobuyasu Ochiai1
1Department of Orthopedics Surgery, Chiba University, Chiba, Japan.
Journal of shoulder and elbow surgery
|February 4, 2024
概括
人工智能,特别是卷积神经网络,可以从肩部放射图中准确地检测和分类旋转手套撕裂 (RCT). 这种人工智能证明了诊断性能优于整形外科医生.
科学领域:
- 整形外科 整形外科 整形外科
- 放射学 放射学是一门学科.
- 人工智能的人工智能
背景情况:
- 仅用X射线图来诊断旋转手套撕裂 (RCT) 是一个挑战.
- 深度学习算法在医学成像分析方面表现有前途.
- 卷积神经网络 (CNN) 是用于图像识别的先进AI.
研究的目的:
- 评估AI在检测和分类RCT的诊断性能,使用肩部X射线图.
- 将AI的诊断准确性与骨科外科医生进行比较.
主要方法:
- 使用了1169张肩部X射线图,分为完好,小,中,大到大规模的撕裂组.
- 评估诊断性能使用灵敏度,特异性,精度和AUC进行检测.
- 测量精度,回忆,精度和F1分数用于多类撕裂大小分类.
主要成果:
- 在RCT检测中,CNN获得了92%的灵敏度,69%的特异性,86%的准确性和0.88 AUC.
- 美国有线电视新闻网的平均分类准确率为60%,回忆率为0.42,精度为0.49,F1得分为0.45.
- 人工智能用于RCT检测和分类的诊断准确度超过了整形外科医生的表现.
结论:
- 简单的CNN可以有效地检测和分类从平面肩部X射线图的RCT.
- 人工智能的诊断性能与肩膀专家的诊断性能相当或优于肩膀专家.
