深度学习算法如何改善急诊室X射线上的骨折检测?
Guillaume Reichert1, Ali Bellamine1, Matthieu Fontaine1
1Radiology Department, Louis Mourier Hospital, Assistance Publique-Hôpitaux de Paris (APHP), University of Paris, 92700 Colombes, France.
Journal of imaging
|July 31, 2024
概括
深度学习算法在检测急诊室的X射线中创伤性四肢骨折方面表现有前途. 这项技术可以帮助放射科医生和急诊医生更快地进行骨折查.
科学领域:
- 放射学 放射学是一门学科.
- 医疗成像医学成像
- 人工智能的人工智能
背景情况:
- 紧急成像,特别是创伤的X射线,正在增加.
- 深度学习 (DL) 提供了改善放射科医生和急诊室 (ER) 医生的骨折检测的潜力.
研究的目的:
- 评估DL算法的性能,用于检测创伤性四肢骨折在ER环境中的常规X射线.
- 在不需要本地数据训练的情况下评估算法的实用性.
主要方法:
- 用于尾骨架骨折检测的DL算法在125名特定ER的肢体创伤患者身上进行了测试.
- 用DL算法分析了X射线,并与放射科医生的注释进行了比较.
主要成果:
- 该算法实现了96%的灵敏度 (24/25检测到骨折) 和86%的特异性 (14/100非骨折被错误分类).
- 负预测值高达98.85%,高达98.85%.
结论:
- DL算法展示了作为在急诊室中检测骨折的有价值的诊断工具的潜力.
- 这些算法还可以作为培训初级放射科医生骨折识别的辅助工具.


