深度学习方法用于精确地标识别和结构评估全脊椎放射图

科学领域:

• 放射学 放射学是一门学科.
• 人工智能在医学中的应用
• 脊柱成像分析 脊柱成像分析

背景情况:

• 在X光照中精确测量脊柱参数对于诊断和治疗规划至关重要.
• 手动测量可能耗时,容易引起观察者之间的变化.
• 使用人工智能 (AI) 的自动化方法有可能提高效率和一致性.

研究的目的:

• 开发和验证基于人工智能的系统,用于在全脊椎放射图上自动检测地标和参数测量.
• 与手动测量和专家评估相比,评估人工智能模型的准确性,精度和可靠性.

主要方法:

• 一个深度学习模型被训练并测试在1017个横向全脊柱放射图的大数据集上.
• 外部验证使用来自四个独立机构的690张X射线图进行.
• 人工智能模型的性能通过将其测量结果与专家临床医生的测量结果进行比较来评估.

主要成果:

• 人工智能模型在识别宫和 lumbosacral 标志方面表现出高准确性,比胸部标志更低的误差.
• 人工智能模型和专家测量结果之间观察到很好的一致性 (类内相关系数>0.88).
• 该模型在外部验证数据集上始终表现良好,没有显示机构之间的统计差异.

结论:

• 开发的AI系统准确地识别了解剖学地标,并在全脊椎放射图上测量脊柱参数.
• 自动对齐分析系统提供精确的测量,与手动方法有很好的相关性.
• 这种人工智能工具显示了提高脊柱成像分析效率和可靠性的巨大潜力.