使用人工智能对Insall-Salvati比率进行全自动测量
J Adleberg1, C L Benitez2, N Primiano2
1Department of Radiology, Icahn School of Medicine at Mount Sinai, New York, NY, USA. Jason.Adleberg@mountsinai.org.
Journal of imaging informatics in medicine
|February 12, 2024
概括
人工智能准确地测量了膝盖放射图上的Insall-Salvati比率 (ISR),有助于检测骨高度异常,如骨高和骨低. 这项技术可以改善对这些常见疾病的诊断和理解.
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:
- 关节高度异常,包括关节高和关节低,影响1-2%的人口,并且经常被低估,可能导致骨关节炎.
- 印萨尔-萨尔瓦蒂比率 (ISR) 是一种标准测量,用于在膝盖放射图上评估骨高度.
- 准确和一致的ISR测量对于诊断和管理骨高度异常至关重要.
研究的目的:
- 开发和验证一个人工智能 (AI) 关键点模型,用于测量侧面膝关节放射图上的Insall-Salvati比率 (ISR).
- 与手动测量相比,评估AI模型在测量ISR中的准确性和可靠性.
- 确定ISR在大量人群样本中的正常分布,并确定潜在的骨高度异常报告不足情况.
主要方法:
- 一个人工智能关键点模型被训练和验证,使用来自多个医院站点的689张横侧膝盖放射图.
- 对116张额外的X光照进行了外部验证.
- 用距离误差,皮尔森相关性和布兰德-阿尔特曼分析来评估模型性能.
- 针对2647名患者的人口样本计算ISR,以确定正常分布.
主要成果:
- 人工智能关键点模型显示平均距离误差为2.57 ± 2.44毫米 (内部验证) 和2.73 ± 2.86毫米 (外部验证).
- 标记和预测ISR之间的皮尔森相关系数为0.82 (内部) 和0.75 (外部).
- 总体样本中的平均ISR为1.11±0.21,在放射学报告中证实了未被报告的骨高度异常.
结论:
- 人工智能关键点模型在膝盖放射图上提供了对Insall-Salvati比率的一致和准确测量.
- 开发的AI模型显示了临床应用在诊断骨高度异常的前景.
- 未来的人工智能进步可以促进大规模的肌肉骨测量研究,提高对像关节高和关节低等疾病的正常和异常范围的理解.
