在CT数据中检测急性肋骨骨折的深度学习:系统审查和元分析
Manel Lopez-Melia1,2, Virginie Magnin1,2,3, Stéphane Marchand-Maillet4
1University Centre of Legal Medicine Lausanne-Geneva, Geneva 1206, Switzerland.
The British journal of radiology
|February 7, 2024
概括
深度学习模型显示,在CT扫描中检测肋骨骨折是有前途的. 然而,许多研究具有高偏差风险,影响准确性. 下偏差研究表明,在急性肋骨骨折检测方面表现优越.
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
- 诊断准确性研究 诊断准确性研究
背景情况:
- 深度学习 (DL) 模型越来越多地应用于医学成像分析,包括在CT数据中检测肋骨骨折.
- 准确及时诊断肋骨骨折对于患者的治疗和结果至关重要.
- 需要现有的系统审查来评估DL模型在这个领域的质量和性能.
结论:
- 基于DL的肋骨骨折检测研究中的偏差风险通常来自不充分的患者和数据选择.
- 在低ROB研究中的DL模型在检测急性肋骨骨折方面取得了更高的准确性.
- 本综述为目前在肋骨骨折检测中的DL应用提供了基准,并通过突出数据提取,ROB评估和元分析发现来指导未来的研究.
更多相关视频
07:12Semiautomated Longitudinal Microcomputed Tomography-based Quantitative Structural Analysis of a Nude Rat Osteoporosis-related Vertebral Fracture Model
Published on: September 28, 2017
8.2K
07:53Author Spotlight: Advancing 3D Modeling for Enhanced Diagnosis and Treatment of Pulmonary Nodules in Early-Stage Lung Cancer
Published on: October 13, 2023
1.4K
