秒骨折可以通过使用深度学习在前后膝关节X射线图上以出色的准确度来识别
Jacob F Oeding1, Ayoosh Pareek2, Kyle N Kunze2
1School of Medicine, Mayo Clinic Alix School of Medicine, Rochester, Minnesota, U.S.A.
Arthroscopy, sports medicine, and rehabilitation
|July 15, 2024
概括
一个深度学习模型准确地检测膝盖X射线上的Segond骨折,在速度和准确性方面超过人类专家. 这种人工智能工具有助于诊断相关的伤害,如半月体撕裂.
科学领域:
- 整形外科放射学 整形外科放射学
- 医学中的人工智能
- 医学成像分析分析 医学成像分析
背景情况:
- 在膝关节前后 (AP) 放射图上,第二次骨折往往会错过.
- 准确的检测对于识别相关损伤至关重要,例如侧半月撕裂.
研究的目的:
- 开发一个深度学习模型,用于AP膝关节X光片上的Segond骨折检测.
- 将模型的表现与经验丰富的人类观察者的表现进行比较.
主要方法:
- 324张AP膝盖X射线图的数据集从一个专门的注册表中整理出来.
- 图像对Segond骨折进行了注释,并分为训练,验证和测试集.
- 深度学习模型的性能与骨科运动医学专家进行了评估.
主要成果:
- 深度学习模型在测试组中实现了完美的准确性,灵敏性和特异性 (100%).
- 该模型显示,Segond断裂检测的平均平均精度 (mAP) 为0.985.
- 该模型比人类专家快得多,只需要0.3%的评估时间.
结论:
- 一个深度学习模型可以在AP膝盖放射图上可靠地检测Segond骨折.
- 该模型在准确性和效率方面,与人类专家相比,表现出卓越的性能.
- 自动检测可以改善并发伤害的诊断,并促进大规模的研究.
