使用基于辐射学的机器学习,自动诊断儿科上下骨折
Wuyi Yao1, Yu Wang1, Xiaobin Zhao2
1Department of Orthopedics, Affiliated Hospital of Chengde Medical University, Chengde, Hebei, PR China.
Medicine
|June 7, 2024
概括
这项研究开发了一种机器学习模型,使用放射学来自动诊断来自肘部放射图的儿科骨骨折,实现了有前途的诊断性能.
科学领域:
- 医疗成像医学成像
- 人工智能在医学中的应用
- 整形外科手术 整形外科手术
背景情况:
- 儿科上下骨骨折是常见的伤害.
- 准确及时的诊断对于最佳的治疗结果至关重要.
- 目前的诊断方法依赖于射线图解读,这可能具有挑战性.
研究的目的:
- 开发和评估一个基于放射学的机器学习模型,用于自动诊断儿科上骨骨折.
- 为了确定可预测这些断裂的关键放射学特征.
- 为了评估模型的诊断性能,使用前后后和侧侧肘射线图.
主要方法:
- 儿科肘部放射图的回顾性收集 (N=601).
- 辐射学特征提取使用金字塔学和维度减小 (LASSO).
- 使用ROC曲线进行5倍交叉验证和性能评估的物流回归模型训练.
主要成果:
- 每个感兴趣的区域提取了1561个放射性特征.
- 分别选择了40和94个特征用于前后和侧侧放射.
- 该模型在前后视图中实现了0.65的曲线下面面积 (AUC),在侧面视图中达到0.72.
结论:
- 放射学有效地从放射图中提取有价值的特征,用于骨折诊断.
- 使用这些特征的受监督机器学习模型显示了诊断儿科上骨骨折的潜力.
- 这种方法可能有助于提高诊断准确性和效率.
