自动Lenke分类的青少年异常学脊椎病与深度学习的分类
Baolin Zhang1,2, Kanghao Chen3, Haodong Yuan1,2,4
1Department of Orthopaedic Surgery First Affiliated Hospital, Sun Yat-sen University Guangzhou Guangdong China.
JOR spine
|May 1, 2024
概括
这项研究开发了一种使用深度学习的自动Lenke分类系统,用于青少年异常学脊椎病 (AIS) 评估. 人工智能系统准确地分类脊柱形曲线,减少手动测量的变化.
科学领域:
- 整形外科 整形外科 整形外科
- 医疗成像医学成像
- 人工智能的人工智能
背景情况:
- 伦克分类系统是青少年异常学脊椎病 (AIS) 手术前评估的标准.
- 在AIS分类中,手动测量容易导致观察者变化,影响进展评估.
研究的目的:
- 开发一个自动化的伦克分类系统,用于青少年异常学脊椎病 (AIS).
- 利用深度学习算法进行准确和一致的脊椎病评估.
主要方法:
- 从AIS患者和对照组回顾收集了2082张脊柱X射线图像.
- 实施深度学习用于脊椎检测,科布角测量和腰椎修饰器识别.
- 使用F1得分,ICC,IOU和豪斯多夫距离对模型性能进行定量分析.
主要成果:
- 自动化系统在Lenke类型分类中获得了0.885的F1得分.
- 在脊椎检测 (F1=0.809) 和胸部松形状 (F1=0.901) 中的高性能.
- 精确的科布角测量 (ICC=0.925) 和腰部足骨细分 (F1=0.942).
结论:
- 通过使用深度学习网络成功开发了一个自动化的Lenke分类系统.
- 该系统显示了提高AIS分类准确度和降低AIS分类变异性的潜力.
- 对于未来的研究,建议在不同的患者队伍中进一步验证.


