基于深度学习的计算机辅助诊断骨质状骨质炎 部大脑膜的剖析使用超声波图像
Kenta Takatsuji1, Yoshikazu Kida1, Kenta Sasaki2
1Department of Orthopaedics, Graduate School of Medical Science, Kyoto Prefectural University of Medicine, Kyoto, Japan.
概括
一个新的深度学习计算机辅助诊断 (CAD) 系统使用超声波图像准确地检测肘部骨质疏松症剖析 (OCD). 这项技术有望改善年轻运动员的强迫症查.
科学领域:
- 医疗成像医学成像
- 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:
- 超声波是骨髓骨质炎剖析 (OCD) 的常见诊断工具,但它的准确性取决于检查人员.
- 基于深度学习的计算机辅助诊断 (CAD) 系统在各种医疗应用中显示出高精度.
- 这项研究的重点是开发和评估用于使用超声波在肘部检测强迫症的CAD系统.
研究的目的:
- 开发一种基于深度学习的CAD系统,用于在肘部超声图像上检测骨髓炎解剖 (OCD).
- 评估开发的用于强迫症检测的CAD系统的诊断准确性.
主要方法:
- 一个两步的CAD过程,涉及部大脑膜检测和使用深度学习算法对强迫症进行分类.
- 使用四向超声波图像对196名棒球运动员进行训练和验证 (104名正常,92名强迫症患者).
- 在对20名棒球运动员 (10名正常,10名强迫症患者) 的数据集进行外部验证,使用混矩阵和AUC分析.
主要成果:
- 在接收器操作特征曲线 (AUC) 下,CAD系统在四个方向实现了高面积:前长轴 (0.969),前短轴 (0.966),后长轴 (0.996) 和后短轴 (0.993).
- 在所有评估的方向上,强迫症检测的整体准确性超过了0.9.
- 该系统在外部验证数据集上表现出高的诊断性能.
结论:
- 一个基于深度学习的CAD系统已成功开发,用于检测超声波图像上的强迫症.
- 该CAD系统在通过对肘部多次视图识别强迫症病变时表现出高准确度.
- 这种CAD系统有可能改善医疗检查期间的强迫症查,减少错过诊断的可能性.
