在3869名使用深度学习测量工具的患者中,放射性发现与轻度关节发育不良相关,这些患者使用深度学习测量工具
Seong Jun Jang1,2, Daniel A Driscoll2,3, Christopher G Anderson4
1Weill Cornell College of Medicine, New York, NY, USA.
Arthroplasty today
|July 12, 2024
概括
一个新的深度学习算法准确地测量部发育不良的角度. 这种工具有助于确定发育不良的患病率,识别了12.4%的患有全关节整形术风险较高的患者.
科学领域:
- 整形外科和放射学
- 人工智能在医学中的应用
- 生物医学成像分析分析
背景情况:
- 关节发育不良是关节退化的主要原因,需要进行全关节整形术 (THA).
- 精确测量放射角度对于诊断部发育不良至关重要.
- 目前的方法可能耗时,并且受观察者之间的变化影响.
研究的目的:
- 验证一个深度学习 (DL) 算法来测量关键的关节发育不良角度.
- 将验证的DL算法应用于大量患者队列,以确定发育不良的流行率.
- 评估放射性指数与THA风险之间的关系.
主要方法:
- 开发了一种DL算法,可以自动测量修改后的侧向中心边角 (LCEA),托尼斯角和修改后的夏普角.
- 该算法在3869名来自骨关节炎倡议的患者队列中与手动测量进行了验证.
- 使用百分点分布和确定的X光切线来分析患病率.
主要成果:
- DL算法与手动测量非常一致 (kappa = 0.78-0.88),并且在角度测量中没有显著差异.
- 在140分钟内完成了23214个角度的自动测量.
- 根据特定的角度截止值,关节形的患病率从2.5%到20%不等,其中12.4%的患者显示与较高的THA风险相关的指数.
结论:
- 一个经过验证的DL算法可以有效地测量部发育不良的角度.
- 在被研究的队列中,部发育不良的患病率受到所选择的测量和值的显著影响.
- DL算法提供了一种可靠的工具,用于识别由于部发育不良导致THA风险增加的个体.
