使用单一智能手机照片进行无辐射评估的条件生成对抗网络辅助系统:模型开发和验证研究
1Division of Spine Surgery, Department of Orthopedic Surgery, Nanjing Drum Tower Hospital, Affiliated Hospital of Medical School, Nanjing University, Nanjing, China.
EClinicalMedicine
|September 10, 2024
概括
一个新的深度学习系统从智能手机照片中生成虚拟X射线图像,用于青少年特异性脊椎病 (AIS) 查. 这种非侵入性方法提供了快速,准确的评估,没有辐射,有助于早期检测和管理脊柱疾病.
科学领域:
- 医疗成像医学成像
- 人工智能的人工智能
- 整形外科 整形外科 整形外科
背景情况:
- 青少年固态脊柱病 (AIS) 是儿童常见的一种脊柱疾病.
- 目前的诊断依赖于X射线,由于医疗保健和辐射问题而带来挑战.
- 及时检测至关重要,以防止严重后果.
研究的目的:
- 开发和验证基于深度学习的AIS选系统.
- 从智能手机捕获的2D-RGB图像中生成虚拟X射线图像 (VXI).
- 为了能够快速,准确和非侵入性地评估AIS.
主要方法:
- 开发了一个条件生成对抗网络 (cGAN) 模型,Swin-pix2pix.
- 在1842年回顾式X射线和2D-RGB图像上训练模型.
- 在内部,外部和前数据集 (268名参与者) 上验证了VXI性能.
主要成果:
- 旋转-pix2pix模型生成了现实的VXI,对于Cobb角 (3.2°主,3.1°次要) 的平均绝对误差很低.
- 脊柱体严重程度分级的诊断准确性 (0.93主要,0.89次要) 超过了人类专家.
- 在曲线位置和分类方面取得了高精度,表现优于基线cGAN模型.
结论:
- 斯温-pix2pix模型显示了使用智能手机图像进行大规模AIS查的前景.
- 这种非侵入性,无辐射的方法可以帮助快速评估AIS.
- 需要进一步改进,以解决数据限制和潜在的成像错误.
