完全和弱监督的深度学习用于月经管损伤分类,以及基于MRI的位置
Kexin Jiang1, Yuhan Xie2, Xintao Zhang1
1Department of Medical Imaging, The Third Affiliated Hospital, Southern Medical University (Academy of Orthopedics Guangdong Province), 183 Zhongshan Ave W, Guangzhou, 510630, China.
Journal of imaging informatics in medicine
|July 17, 2024
概括
这项研究开发了一种人工智能管道,用于从MRI扫描中分类膝盖半径损伤,在细分和诊断方面显示出有希望的结果,可能提高效率.
科学领域:
- 整形外科 整形外科 整形外科
- 放射学 放射学是指放射学
- 人工智能的人工智能
背景情况:
- 阴茎损伤是膝关节疼痛的常见原因,也是膝关节骨关节炎 (KOA) 的前体.
- 精确的细分和分类阴茎损伤对于有效的诊断和治疗规划至关重要.
- 当前的诊断方法可能会耗时,并且受观察者之间的变化影响.
研究的目的:
- 开发一个使用深度学习 (DL) 模型进行阴茎损伤分类和定位的自动化管道.
- 为了评估完全和弱监督的DL网络在MRI图像上的性能,用于半阴囊细分和损伤分类.
- 将开发的DL模型的诊断性能与人类放射科医生进行比较.
主要方法:
- 开发LGSA-UNet模型,利用相邻MRI切片的特征融合,以增强上下文信息.
- 从骨关节炎倡议 (OAI) 获得的1756个膝盖的大数据集上的训练细分和分类模型.
- 模型的外部验证使用来自骨科医院的206个膝盖,并与初级和高级放射科医生的诊断进行比较.
主要成果:
- 该细分模型实现了0.84到0.93.9之间的DICE系数.
- 二元分类模型显示曲线下的面积 (AUC) 值在0.85到0.95.9之间.
- 对于正常类型,撕裂类型和化类型的分类准确度在0.60到0.88之间,DL模型的表现优于初级放射科医生.
结论:
- 开发的DL管道显示了准确的膝关节半径细分和伤害分类的巨大潜力.
- 自动化方法可以提高诊断效率和确定阴茎病理的一致性.
- 这项技术可以帮助放射科医生在临床实践中,从而改善膝关节关节炎和相关疾病患者的治疗结果.
更多相关视频
04:25Author Spotlight: Bridging Gaps in Anatomy and Establishing a Foundation for Algorithmic Studies
Published on: December 15, 2023
2.3K
10:03Tracking Superparamagnetic Iron Oxide-labeled Mesenchymal Stem Cells using MRI after Intranasal Delivery in a Traumatic Brain Injury Murine Model
Published on: November 21, 2019
7.6K
