骨科深度学习的综合性审查:应用,挑战,可信度和融合
Laith Alzubaidi1, Khamael Al-Dulaimi2, Asma Salhi3
1School of Mechanical, Medical, and Process Engineering, Queensland University of Technology, Brisbane, QLD 4000, Australia; QUASR/ARC Industrial Transformation Training Centre-Joint Biomechanics, Queensland University of Technology, Brisbane, QLD 4000, Australia; Research and Development department, Akunah Med Technology Pty Ltd Co, Brisbane, QLD 4120, Australia.
Artificial intelligence in medicine
|July 30, 2024
概括
骨科的深度学习 (DL) 增强了诊断和治疗规划. 本综述指导研究人员开发可靠的骨科任务DL应用程序,解决数据稀缺性和可解释性挑战.
科学领域:
- 整形外科手术 整形外科手术
- 医疗成像医学成像
- 人工智能的人工智能
背景情况:
- 深度学习 (DL) 在骨科中越来越多地用于诸如骨折检测和骨关节炎评估等任务.
- 与传统方法相比,DL提供了更高效,更准确的诊断,降低了成本和时间.
研究的目的:
- 综合审查当前的应用,挑战和未来的方向的骨科实践中DL.
- 为研究人员开发可靠的骨科任务DL应用程序提供指南.
主要方法:
- 来自主要科学数据库的文章的系统文献综述 (2017-2023年).
- 对DL应用程序,实施挑战,可靠性要求和监管方面的分析.
主要成果:
- DL的应用包括骨折检测,基于MRI的撕裂检测,骨关节炎,植入物预测,骨年龄评估和软组织疾病检测.
- 关键的挑战包括数据稀缺和缺乏可解释性,并提出融合技术作为解决方案.
- 可信度要求准确性,可解释性和公平性;FDA批准要求也得到审查.
结论:
- DL具有显著的潜力,可以彻底改变骨科诊断和治疗规划.
- 解决数据稀缺性和可解释性等挑战对于广泛采用DL至关重要.
- 本综述作为一个基本指南,开发市场准备,可靠的DL工具在骨科.
