基于深度学习的检测,在X射线上检测膝关节周围的原发性骨瘤:一个多中心研究
Danyang Xu1, Bing Li2, Weixiang Liu3
1Department of Radiology, The First Affiliated Hospital, Sun Yat-sen University, Guangzhou, China.
Quantitative imaging in medicine and surgery
|August 15, 2024
概括
一个深度学习 (DL) 模型在膝盖放射图上检测初级骨瘤时表现出高准确度. 这种人工智能工具的表现优于初级放射科医生,显示了在放射学中改善诊断能力的潜力.
科学领域:
- 医疗成像中的人工智能
- 放射学和诊断成像 放射学和诊断成像
- 瘤学和肌肉骨系统疾病
背景情况:
- 主要骨瘤经常发生在膝关节周围.
- 对这些瘤的放射性检测对于经验较少的放射科医生来说可能是具有挑战性的.
研究的目的:
- 开发和验证一种深度学习 (DL) 模型,用于在膝盖放射图上检测初级骨瘤.
- 将DL模型的诊断性能与初级放射科医生进行比较.
主要方法:
- 在687名患有骨瘤的患者和来自四个三级中心的1988名对照患者的数据集上训练了一种DL模型.
- 该模型的性能在内部和外部测试组上使用病变定位,患者检测准确度和接收器操作特征曲线 (AUC) 下的区域进行了评估.
- 检测性能与两名初级放射科医生使用科恩的卡帕系数和顺序测试进行了比较.
主要成果:
- DL模型实现了高的骨瘤局部化率 (94.5%内部,92.9%外部).
- 检测准确度和AUC很强,AUC为0.981 (内部) 和0.990 (外部).
- DL模型显著优于初级放射科医生 (科恩的卡帕:0.927对比0.777和0.841,P<0.001和P=0.033,分别).
结论:
- 开发的DL模型在膝盖X射线图上识别主要骨瘤方面表现出强大的性能.
- 与初级放射科医生相比,该模型的优越性能凸显了它作为骨瘤放射诊断中的辅助工具的潜力.
