人工智能用于在传统放射图上自动检测和测量手腕不稳定迹象
Nils Hendrix1,2, Ward Hendrix3,4, Bas Maresch5
1Department of Medical Imaging, Radboud University Medical Center, Geert Grooteplein Zuid 10, 6525 GA, Nijmegen, The Netherlands. nils.hendrix@radboudumc.nl.
European radiology
|April 18, 2024
概括
一个人工智能系统准确地测量了X光片上的手腕不稳定性,检测了关节距离,角度和弧断. 这种工具显示了在诊断手腕不稳定性方面改善临床支持的潜力.
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:
- 手腕不稳定性可能很难用传统的X光照来诊断.
- 对手腕对齐的客观测量对于准确的诊断至关重要.
研究的目的:
- 开发和验证一种人工智能 (AI) 系统,用于测量和检测常规射线图上手腕不稳定的迹象.
- 评估AI系统的性能与临床测量对比.
主要方法:
- 一个回顾性病例控制研究,使用两个数据集的手和手腕X射线图.
- 开发的AI系统用于测量脚 (SL) 关节距离,SL和头 (CL) 角,以及手弧中断.
- 观察员研究将AI性能与五名临床医生在一组放射图上进行比较.
主要成果:
- 人工智能系统在测量SL距离 (0.65毫米),SL角度 (7.9度) 和CL角度 (5.9度) 中显示了低平均绝对误差 (MAE).
- 检测手弧中断的灵敏度和特异性分别为83%和64%.
- 人工智能测量与临床医生可比;弧断检测比大多数临床医生更准确.
结论:
- 一个新开发的人工智能系统准确地测量并检测在传统放射图上手腕不稳定的迹象.
- 人工智能系统有可能增强对手掌弧中断的检测.
- 这种人工智能工具在支持临床医生诊断手腕不稳定的过程中表现有前途.
