一个人工智能算法的诊断性能,用于检测儿科患者的尾骨折
Paolo Niccolò Franco1, Cesare Maino1, Ilaria Mariani1
1Department of Diagnostic Radiology, Fondazione IRCCS San Gerardo dei Tintori, Via Pergolesi 33, 20900 Monza, MB, Italy.
European journal of radiology
|July 25, 2024
概括
一个人工智能 (AI) 算法在使用常规X射线放射 (CXR) 检测儿科患者尾骨折时表现出强大的诊断性能. 这种人工智能工具为改善儿童骨折检测准确度提供了有希望的结果.
科学领域:
- 医疗成像医学成像
- 人工智能在医学中的应用
- 儿科放射学 儿科放射学
背景情况:
- 在儿科患者中检测骨折对于及时治疗至关重要.
- 传统的X射线放射 (CXR) 是诊断骨折的主要成像方式.
- 人工智能算法正在越来越多地被探索,以提高放射学诊断的准确性.
研究的目的:
- 评估预训练人工智能 (AI) 算法的诊断性能,用于检测儿科患者的尾骨折.
- 评估人工智能算法的准确性在儿童队列中的常规X射线放射 (CXR) 上.
主要方法:
- 一项回顾性研究包括600名匿名的儿科CXR (年龄<17岁) 骨折和没有骨折.
- 数据集对骨折阳性和骨折阴性病例进行了平衡,按身体部位分类.
- 一个深度学习算法分析了CXR用于每患者,每放射和每位置的骨折检测水平,与参考标准进行性能比较.
主要成果:
- 人工智能工具在所有骨折中实现了每患者91.3%的灵敏度和76.7%的特异性.
- 每次X射线图分析显示了85%的灵敏度和88.5%的特异性.
- 在每位位置分析中,AI正确识别了77.9%的骨折位置.
结论:
- 人工智能算法在识别儿科患者尾骨折方面表现出良好的整体诊断性能.
- 这项研究表明,人工智能有可能帮助放射科医生检测CXR上的儿科骨折.


