基于深度学习的完全自动的瑞塞阶段评估模型,使用腹部放射图
Jae-Yeon Hwang1,2,3, Yisak Kim1,4,5, Jisun Hwang6
1Department of Radiology, Seoul National University Hospital, Seoul, Republic of Korea.
Pediatric radiology
|July 24, 2024
概括
一个新的深度学习模型自动从腹部X射线图中确定瑞塞阶段,在分类骨成熟度方面达到高精度. 这种人工智能工具有助于评估青少年的脊柱发育.
科学领域:
- 放射学 放射学是一门学科.
- 人工智能的人工智能
- 医疗成像医学成像
背景情况:
- 人工智能 (AI) 在医学图像分类方面表现出专家级别的表现.
- 准确评估骨成熟度对于骨科治疗计划至关重要.
研究的目的:
- 开发一种全自动的深度学习方法,用于使用腹部X射线图来确定Risser阶段.
- 评估模型在骨成熟度分类方面的表现.
主要方法:
- 一个多中心数据集由1681张腹部X射线图 (年龄9-18岁) 被追溯收集.
- 一个骨盆骨细分模型 (DeepLabv3+与EfficientNet-B0) 提取了阴茎顶部补丁.
- 一个ConvNeXt-B模型被训练为Risser阶段分类,通过精度,AUROC和平均绝对误差来评估性能.
主要成果:
- 自动Risser阶段评估模型实现了0.87 (内部) 和0.75 (外部) 的准确性.
- 平均绝对误差为0.13 (内部) 和0.26 (外部).
- 接收器运行特征曲线 (AUROC) 下的面积达到0.99 (内部) 和0.95 (外部).
结论:
- 成功开发了一种基于深度学习的,完全自动的分段和分类模型,用于Risser阶段评估.
- 该模型在从腹部X射线图分类骨成熟度方面表现出很高的性能.
- 这种人工智能方法为客观的Risser分期提供了一个有前途的工具.
