基于深度学习的手术治疗建议和非手术预后 通过自动化X射线图像识别对骨骨折的状态分类
Ja-Hwung Su1, Yu-Cheng Tung2, Yi-Wen Liao3
1Department of Computer Science and Information Engineering, National University of Kaohsiung, Kaohsiung 81148, Taiwan.
Biomedicines
|June 27, 2024
概括
这项研究引入了用于骨骨折诊断的深度学习,改进了手术治疗建议,并以高精度对非手术预后状态进行分类. 这些方法增强了骨骨折的临床决策.
科学领域:
- 整形外科成像分析分析
- 医疗图像识别 医疗图像识别
- 医疗保健中的深度学习
背景情况:
- 骨折很难检测,需要先进的诊断工具.
- 现有的研究缺乏专注于自动化手术治疗建议和骨骨折的非手术预后分类.
研究的目的:
- 评估深度学习技术用于骨骨折的识别.
- 开发用于手术治疗建议和非手术预后状态分类的系统.
主要方法:
- 来自X射线图像的甲状腺细分.
- 骨折识别用于手术建议.
- 对于非手术患者,预后状态的分类 (血管亡,非联合,联合).
- 利用转移学习和数据增强.
主要成果:
- 手术治疗建议达到80%的准确性和86%的AUC.
- 非手术预后状态分类达到91%的准确性和96%的AUC.
- 转移学习和数据增强显著提高了性能.
结论:
- 分别建议使用DenseNet169和ResNet50进行手术治疗建议和预后分类.
- 提出的方法为骨骨折管理提供了宝贵的见解.
- 这项研究为未来的自动骨折分析研究提供了参考.
