关节骨关节炎可以在MRI质子密度加权图像上诊断吗?通过最新的深度学习分类模型进行诊断支持?
Michihito Nozawa1, Motoki Fukuda1, Shinya Kotaki1
1Department of Oral Radiology, Osaka Dental University, Osaka 540-0008, Japan.
Dento maxillo facial radiology
|July 27, 2024
概括
深度学习模型在使用MRI扫描诊断关节骨关节炎 (TMJ-OA) 中表现出很高的性能. ResNet18模型实现了最高的准确性,与人类专家相美.
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:
- 关节骨关节炎 (TMJ-OA) 的诊断依赖于成像.
- 深度学习 (DL) 提供了自动诊断辅助的潜力.
研究的目的:
- 评估基于MRI的DL模型用于TMJ-OA诊断.
- 为了比较DL诊断性能与人类观察者.
主要方法:
- 118名患有关节疾病的患者接受了MRI.
- 四个DL网络 (ResNet18,EfficientNet b4,Inception v3,GoogLeNet) 进行了培训和验证.
- 包括AUC和精度在内的诊断指标被计算和比较.
主要成果:
- ResNet18显示出最高的性能 (AUC为0.91-0.93,精度为0.85-0.88).
- DL模型的性能与专家放射科医生相美.
- 在TMJ-OA诊断中,DL模型显著优于牙科住院医生.
结论:
- 深度学习模型使用MRI对TMJ-OA表现出高的诊断性能.
- 由人工智能驱动的工具可以增强TMJ-OA诊断.
