相关实验视频
Updated: Jun 18, 2025
06:23
Diagnosis and Surgical Treatment of Human Brucellar Spondylodiscitis
Published on: May 23, 2021
4.8K
使用传统的基于MRI的深度学习算法来区分结核性脊髓炎和布鲁塞尔性脊髓炎
Jinming Chen1, Xiaowen Guo2, Xiaoming Liu3
1Department of Radiology, Shandong Provincial Qianfoshan Hospital, Shandong University, Jinan, Shandong, China.
European journal of radiology
|July 30, 2024
概括
深度学习模型有效地区分结核性脊髓炎 (TS) 和状脊髓炎 (BS),使用常规的MRI. 与单个模型和经验丰富的放射科医生相比,组合深度学习模型实现了更高的诊断性能.
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:
- 结核性脊柱炎 (TS) 和状脊柱炎 (BS) 是常见的脊柱感染,在常规MRI上可以呈现类似的成像发现.
- 准确的区分对于适当的治疗和患者的结果至关重要.
研究的目的:
- 评估深度学习 (DL) 模型在使用传统MRI序列区分TS和BS方面的可行性.
- 将DL模型的诊断性能与经验丰富的放射科医生的诊断性能进行比较.
主要方法:
- 一个数据集383名患者确认TS (n=182) 或BS (n=201) 被追溯收集.
- 标点T1加权成像 (T1WI),T2加权成像 (T2WI) 和脂肪抑制的T2WI被用于训练和验证DL模型 (VGG19,VGG16,ResNet18,DenseNet121).
- 使用接收器操作特征曲线 (AUC) 下的面积来评估分类性能,并将DL模型性能与两名放射科医生进行比较.
主要成果:
- 深度学习模型实现了高AUC值,从0.801到0.973.
- 基于VGG19的模型表现出卓越的性能,组合T1WI,T2WI和FS T2WI模型实现了0.973.3的最佳AUC.
- 所有组合的DL模型显著超过了两个放射科医生的诊断准确性 (P<0.05).
结论:
- 深度学习模型显示出有很大的潜力,可以在常规MRI上帮助区分结核性脊髓炎和状脊髓炎.
- 这些由人工智能驱动的工具可以作为临床医生在诊断脊髓感染时的宝贵参考.
