在常规腹部或胸部计算机断层扫描中针对急性脊椎骨折进行机会性查,使用自动化深度学习模型进行扫描
Ye Rin Kim1, Yu Sung Yoon2, Jang Gyu Cha1
1Department of Radiology, College of Medicine, Soonchunhyang University Bucheon Hospital, Soonchunhyang University, Bucheon 14584, Republic of Korea.
Diagnostics (Basel, Switzerland)
|April 13, 2024
概括
一个深度学习模型可以在CT扫描上准确地检测最近的脊椎骨折. 这种机会性查工具有助于早期发现和治疗骨折.
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:
- 脊椎骨折通常在常规CT扫描中无法检测到.
- 早期发现脊椎骨折对于及时治疗和管理至关重要.
研究的目的:
- 开发和评估一种深度学习算法,用于对最近的脊椎骨折进行机会性检测.
- 为了评估算法的性能在一个观察员研究与放射科医生.
主要方法:
- 一个数据集的1309个干CT图像与没有最近的骨折被策划.
- 在标记的CT图像上训练和验证了一个深度学习模型.
- 放射科医生的骨折检测准确度与没有人工智能辅助进行了比较.
主要成果:
- 人工智能模型在检测培训和内部测试集的最近断裂方面取得了高准确性 (99.86%).
- 该模型在二级内部验证集 (99.90%准确度) 上表现出强的性能.
- 人工智能辅助显著提高了放射科住院医生的精度,从92.79%提高到98.2% (p=0.04).
结论:
- 开发的深度学习模型在CT扫描上准确地检测最近的脊椎骨折.
- 使用这种算法进行机会性查可以在日常临床实践中促进早期骨折检测.
- 人工智能工具显示,通过能够迅速治疗骨折,有可能改善患者的治疗结果.
