从使用深度卷积神经网络拍摄脚部的照片中估计了哈卢克斯瓦尔古斯的放射参数
Kana Inoue1, Satoshi Maki2,3, Satoshi Yamaguchi4,2
1Department of Medical Engineering, Graduate School of Science and Engineering, Chiba University, Chiba, JPN.
Cureus
|August 28, 2024
概括
一个深度学习模型从足部照片中准确预测气 (HV) 放射性参数,从而实现严重程度的分类. 这种人工智能方法对高效的HV查和管理充满希望.
科学领域:
- 医疗成像医学成像
- 医疗保健中的人工智能
- 整形外科 整形外科 整形外科
背景情况:
- 形 (HV),或形形,是一种常见的前脚问题.
- 早期诊断和评估HV对于有效管理和改善生活质量至关重要.
研究的目的:
- 开发一种深度学习模型,从数字足部照片中估计HV的放射性参数.
- 使用开发的模型对HV严重程度进行分类.
- 评估预测和实际放射测量之间的一致性.
主要方法:
- 卷积神经网络 (Xception) 用于回归和分类.
- 该模型经过训练和微调,使用来自131名患者的337张脚部照片和248张相应的X线图.
- 使用确定系数 (R2),根平均平方误差 (RMSE) 和科恩的卡帕系数来评估性能.
主要成果:
- 该模型预测了R2=0.684 (RMSE=7.91) 的角 (HVA),R2=0.573 (RMSE=3.29) 的M1-M2角,R2=0.381 (RMSE=5.80) 的M1-M5角.
- 在预测和实际的HV等级之间观察到实质性的一致性.
结论:
- 深度学习模型可以有效地从照片中预测状的放射性参数.
- 开发的卷积神经网络显示了HV查的潜力.
- 这种人工智能驱动的方法可能有助于及时诊断和管理气.
