使用X射线对椎损伤的评估进行自动细分和诊断测量
Jae Hyuk Shim1, Woo Seok Kim2, Kwang Gi Kim3
1Department of Biomedical Engineering, Gil Medical Center, Gachon University College of Medicine, Incheon, Korea.
Journal of imaging informatics in medicine
|February 21, 2024
概括
机器学习和计算机视觉自动化宫脊椎X射线分析,准确测量损伤评估和手术评估的诊断指标. 这项技术显示出临床应用的巨大潜力,用于诊断椎脊柱疾病.
科学领域:
- 医疗成像医学成像
- 人工智能的人工智能
- 整形外科 整形外科 整形外科
背景情况:
- 对椎X射线的准确评估对于诊断损伤和评估外科手术结果至关重要.
- 传统的手动测量可以耗时,容易变化.
- 使用机器学习和计算机视觉的自动化方法提供了提高效率和准确性的潜力.
研究的目的:
- 用深度学习模型评估多类细分的有效性,用于自动测量椎X射线上的诊断指标.
- 为了比较自动推导的指标与手动测量的值的准确性.
主要方法:
- 利用了来自Gachon医疗中心的852张宫X射线数据集.
- 采用了EfficientNetB4,DenseNet201和InceptionResNetV2架构,用于对面骨和椎骨 (C1-C7) 的多类细分.
- 将自动测量的诊断指标 (例如,麦格雷戈线,宫斜垂直轴) 与使用皮尔森相关系数和配对t测试手动测量的指标进行比较.
主要成果:
- 对于椎脊柱细分 (0.93-0.96) 实现了高子系数值,对于面骨 (0.69-0.81) 实现了中等值.
- 在手动和自动测量之间观察到的Strong Pearson相关系数,用于关键指标,如宫斜垂直轴 (r=0.99) 和可用空间绳索 (r=0.94).
- 对于任何指标,手动和自动测量方法之间没有发现统计学上显著的差异 (P<0.05).
结论:
- 多类细分有效地自动化了在椎X射线上对诊断指标的测量.
- 开发的自动化方法显示出诊断椎损伤和评估手术结果的显著临床潜力.
- 这种方法在临床实践中为手动测量提供了可靠和高效的替代方案.
