一个基于神经网络的两步引导系统,用于获得关键肩部角度测量的可靠放射图
Yamuhanmode Alike1, Cheng Li1, Jingyi Hou1
1Department of Orthopedics, Sun Yat-sen Memorial Hospital, Sun Yat-sen University, Guangzhou, China.
Quantitative imaging in medicine and surgery
|February 28, 2024
概括
一个新的AI系统准确地分类了肩部X射线,改善了旋转手套撕裂 (RCT) 风险评估的关键肩部角度 (CSA) 测量. 这种工具引导定位,以获得可靠的成像.
科学领域:
- 放射学 放射学是一门学科.
- 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:
- 关键肩膀角度 (CSA) 与旋转部撕裂 (RCT) 和重新撕裂风险有关.
- 精确的CSA测量至关重要,但由于X射线图中肩部位置不当,因此具有挑战性.
- 获得可靠的CSA测量的现有方法是有限的.
研究的目的:
- 开发和评估基于神经网络的两步指导系统,用于可靠的关键肩角 (CSA) 放射.
- 通过解决肩部错位所带来的挑战来提高CSA测量的准确性.
- 为了促进快速获得可靠的CSA放射图片用于临床使用.
主要方法:
- 一个两步的神经网络系统在1754张前后 (AP) 肩部放射图上受过训练和验证.
- 该系统首先定位了感兴趣的肩部区域,然后对放射类型进行分类 (前进,后退,RTL ≤0.25,RTL >0.25).
- 性能被前性评估,测量灵敏度,特异性和科恩的卡帕,以确定分类的准确性.
主要成果:
- 该系统在前性测试中实现了所有放射类型的高灵敏度 (88.88%-96.96%) 和特异性 (95.04%-99.55%).
- 观察到的高整体分类率为93.41%.
- 与0.903的科恩卡帕几乎完全一致,表明出色的可靠性.
结论:
- 开发的指导系统快速准确地分类AP肩部X射线图类型.
- 该系统有效指导患者定位调整,以获得可靠的CSA放射.
- 它促进了一致和准确的CSA测量,有助于旋转部撕裂的评估和管理.
