人工神经网络用于检测口腔骨折使用康斯坦茨信息矿工分析平台
Wongthawat Liawrungrueang1, Sung Tan Cho2, Vit Kotheeranurak3,4
1Department of Orthopaedics, School of Medicine, University of Phayao, Phayao, Thailand.
Asian spine journal
|June 25, 2024
概括
人工神经网络 (ANN) 通过使用KNIME在X射线图像中有效地检测形骨折. 这种计算机辅助诊断工具具有很高的准确性,有助于放射科医生识别这些常见的宫骨折.
科学领域:
- 医学成像分析分析 医学成像分析
- 放射学中的人工智能
- 骨科诊断器 骨科诊断器 骨科诊断器
背景情况:
- 使用人工神经网络 (ANN) 的计算机辅助诊断在医疗图像处理中越来越普遍.
- 骨骨折是一种常见的宫骨折,占所有宫骨折的10%-15%.
- 缺乏关于ANN用于计算机辅助诊断牙骨折的全面文献综述.
研究的目的:
- 研究人工神经网络 (ANN) 在检测牙骨折方面的有效性.
- 使用康斯坦茨信息矿工 (KNIME) 分析平台通过放射性X射线成像进行计算机辅助诊断.
- 开发和评估ANN模型,用于在椎X射线中识别椎骨折.
主要方法:
- 一项实验研究分析了432张开口宫脊椎X射线图像.
- 基于卷积神经网络理论的人工神经网络 (ANN) 模型使用70%的数据进行培训,30%用于测试.
- 通过KNIME的图形用户界面,可以进行图像注释,数据预处理,模型训练和性能评估.
主要成果:
- 该ANN模型实现了高性能指数:100%的灵敏度,95.4%的特异性和97.77%的F-测量.
- 该模型显示预测误差为2.3%,接收器操作特征曲线下的面积为97%用于诊断牙骨折.
- KNIME的平台在报告放射性X射线成像特征和评估50个培训时代的模型性能方面发挥了重要作用.
结论:
- 与KNIME分析平台集成的人工神经网络 (ANN) 模型,对于从放射性X射线图像中计算机辅助诊断牙骨折是有效的.
- 这种人工智能驱动的方法可以显著帮助放射科医生查,检测和诊断急性牙骨折.
- 该研究强调了ANN在提高诊断准确性和提高牙骨折检测效率方面的潜力.
