人工智能自动测量技术的 lumbosacral 放射性参数的测量技术

科学领域:

• 放射学 放射学是一门学科.
• 医疗成像医学成像
• 人工智能的人工智能

背景情况:

• 手动测量 lumbosacral 参数是耗时的,容易变化.
• 自动测量可以提高放射性评估的效率和一致性.

研究的目的:

• 开发和评估一个深度学习模型,用于自动测量腰部神经关节放射学参数.
• 与手动测量相比,评估模型的准确性和可靠性.

主要方法:

• 一个深度学习模型被训练在1,240个侧腰部X射线图上.
• 确定了关键的脊椎点,用于计算腰椎位,斜骨水平角度,脊椎间空间角度和腰椎脊髓缩的百分比.
• 模型的性能被评估,使用像ICC,皮尔森相关性,MAE和RMSE这样的指标与脊椎外科医生的参考标准对比.

主要成果:

• 该模型表现出高精度,与所有测量参数的参考标准相比,平均差异很小.
• 观察到非常好的相关性和一致性 (ICC: 0.90-0.97,r: 0.90-0.96).
• 模型测量和参考标准之间的差异没有统计学意义 (p > 0.05).

结论:

• 深度学习模型准确地识别了关键的脊椎点,并从侧腰部X射线图中计算了 lumbosacral 参数.
• 与手动方法相比,自动测量显示出良好的一致性和可靠性.
• 这项技术对临床实践和大规模数据分析具有进一步优化的前景.