从超声波图像通过卷积神经网络自动检测关节的完整性
Bin Chen1,2,1, Yinqiao Yi3,1, Chengxiu Zhang3
1Department of Ultrasound in Medicine, Shanghai Sixth People's Hospital Affiliated to Shanghai Jiao Tong University School of Medicine, Shanghai, China.
概括
一个新的深度学习工具使用盆地超声波自动诊断关节完整性. 这种人工智能模型显示出高准确度,与经验丰富的超声波仪可比,有助于诊断关节损伤.
科学领域:
- 医疗成像医学成像
- 人工智能的人工智能
- 盆地健康 盆地健康
背景情况:
- 关节综合体对于排便和节制至关重要.
- 通过超声波诊断关节损伤严重依赖于超声波专家的专业知识.
研究的目的:
- 开发一种深度学习 (DL) 工具,用于使用骨盆地超声波进行自动关节完整性诊断.
- 为了减少对超声波仪经验的依赖,以评估关节的完整性.
主要方法:
- 一个2D卷积神经网络 (CNN) 被训练用于关节检测和完整性分类.
- 使用平均精度,交叉与联合以及接收器操作特征分析来评估性能.
主要成果:
- DL模型与超声波测试人员的评估具有很高的相关性 (r=0.932-0.978).
- 最好的模型显示曲线下的面积 (AUC) 为0.808,表明了良好的诊断性能.
- 美国有线电视新闻网的结果与经验丰富的超声波专家的结果非常一致.
结论:
- 开发了一种新的CNN模型,用于从盆地超声图像中诊断关节损伤.
- 这种DL工具提供了一种可靠的方法,用于初步诊断关节损伤.
