使用深度学习对盆腔放射图的自动评估:对于盆腔不整齐的可靠诊断工具
Ki-Ryum Moon1, Shi Sub Byon2, Sung Hyun Kim3
1Department of Computer Science, Kyonggi University, Suwon-si, Gyeonggi-do, 16227, Republic of Korea.
Heliyon
|April 25, 2024
概括
一个新的深度学习系统通过X射线准确地测量骨盆对齐,改善了骨盆位移的诊断. 这种人工智能工具为手动评估提供了一个更快,更可靠的替代方案,以获得更好的患者结果.
科学领域:
- 放射学 放射学是一门学科.
- 人工智能的人工智能
- 医学成像分析 医学成像分析
背景情况:
- 骨盆错位导致一般不平衡和腿长度差异.
- 精确诊断盆腔对齐是关键的,以防止延迟治疗的并发症.
- 目前评估骨盆对齐的方法包括手动检查和X光学.
研究的目的:
- 开发和验证基于深度学习的系统,用于在骨盆X射线中自动测量放射性参数.
- 评估系统在诊断骨盆移位方面的准确性和效率.
- 为了提供一个更快,更可靠的诊断工具,用于盆腔不整.
主要方法:
- 开发了一个深度学习系统,使用了来自1215名患者的550张站立的前后骨盆X射线.
- 该系统自动测量了10个放射性参数,这些参数对于诊断盆腔位移至关重要.
- 系统的准确性被临床医生在200张X射线图上对手工测量进行了验证.
主要成果:
- 深度学习系统显示出高可靠性和准确性 (皮尔森的r ≥0.9,ICC ≥0.9).
- 测量误差是最小的 (MAE,MSE,RMSE ≤1厘米).测量误差是最小的 (MAE,MSE,RMSE ≤1厘米).
- 该系统比手动临床评估快18-20倍.
结论:
- 开发的深度学习系统准确而一致地测量了用于盆腔位移诊断的关键放射性参数.
- 这种由人工智能驱动的工具在速度和精度上比传统方法有了显著的改进.
- 该系统有望提高盆腔位不整的诊断和管理.
