一个基于深度学习的多视图预测管道,加上自信学习,可以提高确定膝关节关节整形候选人的表现
Hongzhi Liu1, Xiaoyao Wang2, Xinqiu Song3
1Department of Orthopaedics, Wangjing Hospital, China Academy of Chinese Medical Sciences, Beijing, China.
概括
一个深度学习模型使用三视图X射线准确预测膝关节关节整形候选人,帮助治疗决策全膝关节整形 (TKA) 或单间膝关节整形 (UKA). 该工具有助于选择适合膝关节骨关节炎管理的手术干预措施.
科学领域:
- 整形外科 整形外科 整形外科
- 放射学 放射学是一门学科.
- 人工智能的人工智能
背景情况:
- 选择患者进行膝关节整形手术 (全膝关节整形手术[TKA],单隔板膝关节整形手术[UKA]或非手术干预) 是关键的,但具有挑战性.
- 深度学习 (DL) 提供了开发预测模型的潜力,以帮助膝关节骨关节炎的治疗决策.
研究的目的:
- 开发和评估使用三视图X射线的膝关节关节整形预测管道.
- 为了确定适合TKA,UKA或非关节塑造干预的候选人.
主要方法:
- 结合YOLOv3,ResNet-18和自信学习 (CL) 的DL管道使用三视图X射线和来自两个站点的手术数据开发.
- 该模型在A站的数据上进行了训练和验证,并在B站的数据上进行了外部测试.
- 使用包括AUC,准确性,精度,特异性,灵敏性和F1分数在内的指标来评估性能.
主要成果:
- 拟议的DL与CL模型实现了0.94的内部验证AUC和85.9%的准确性.
- 外部验证证明了强大的通用性,AUC为0.93,准确率为82.1%.
- 开发的模型表现优于其他评估的神经网络架构.
结论:
- 集成YOLOv3,ResNet-18和CL的DL管道准确地预测了从三视图X射线的膝关节关节整形候选人.
- 这种预测模型可以自动化适当的膝关节关节整形手术程序的决策.
