[基于深度学习的模型的开发和应用,用于对儿童的骨盆X射线图像进行质量控制]
Zhichen Liu1, Jincong Lin1, Kunjie Xie1
1Department of Orthopaedics, Xijing Hospital, Air Force Medical University, Xi'an, 710032.
概括
一个新的深度学习人工智能模型准确地评估了儿科骨盆X射线图像质量. 这种人工智能工具提高了儿童部发育性形 (DDH) 的诊断准确度.
科学领域:
- 放射学 放射学是一门学科.
- 人工智能的人工智能
- 医疗成像医学成像
背景情况:
- 儿科骨盆X射线的质量对于诊断诸如部发育性发育不良等疾病至关重要.
- 目前的质量评估方法可能是主观的,耗时的.
- 需要客观和自动化的质量评估.
研究的目的:
- 开发和验证基于深度学习的人工智能 (AI) 模型,用于评估儿科骨盆X射线图像的质量.
- 构建用于质量控制的诊断模型并验证其临床可行性.
主要方法:
- 一个数据集由3,247个来自儿童的腹骨X射线图被追溯收集.
- 数据被随机分为训练,验证和测试集.
- 一个人工智能模型被开发和训练,以评估图像质量控制的可靠性.
主要成果:
- 人工智能模型实现了高性能指标:诊断准确率为99.4%,ROC曲线下的面积为0.993,灵敏度为98.6%,特异性为100.0%.
- 该模型显示了骨盆倾斜指数 (-0.052-0.072) 和骨盆旋转指数 (-0.088-0.055) 的出色一致性.
结论:
- 本研究介绍了第一个人工智能算法应用程序,用于对儿科盆腔放射图的质量评估.
- 人工智能模型显著改善了儿童DDH的诊断和治疗状态.
- 开发的AI方法为儿科骨盆X射线质量控制提供了可靠和准确的方法.
