使用基于YOLOv8的人工智能技术进行肘部关节放射的质量控制
Qi Lai1, Weijuan Chen1, Xuan Ding1
1Department of Radiology, The Second Affiliated Hospital of Chongqing Medical University, Yuzhong, Chongqing, China.
European radiology experimental
|September 20, 2024
概括
使用YOLOv8的人工智能 (AI) 为肘部放射学中自动化质量控制 (QC) 提供了可行的解决方案. 这项技术表现出高性能和效率,大大减少了前后和侧面图像的质量控制时间.
科学领域:
- 放射学 放射学是一门学科.
- 人工智能的人工智能
- 医疗成像医学成像
背景情况:
- 肘部关节放射的质量控制 (QC) 对于精确的疾病检测至关重要.
- 传统的质量控制方法可能耗时且主观.
- 探索人工智能等先进技术以实现客观和高效的质量控制是必不可少的.
研究的目的:
- 为了研究人工智能 (AI) 技术的有效性,采用YOLOv8进行自动化质量控制 (QC) 肘部关节放射.
- 开发和验证用于识别关键定位参数和评估图像质量的AI模型.
主要方法:
- 从2022年1月到2023年8月收集了2643张肘部放射图.
- 开发了前后后 (AP) 和侧面 (LAT) YOLOv8模型来检测目标框和关键点.
- 将标识转化为五个质量标准,包括定位坐标和曲角度.
主要成果:
- YOLOv8模型在识别解剖学地标方面实现了高精度,回忆和平均平均精度.
- 在所有评估的质量参数 (ICC > 0.865) 上,AI与医生评估的高度一致.
- 基于人工智能的QC将图像处理时间减少了43%的AP和45%的LAT视图 (p < 0.001).
结论:
- 基于YOLOv8的AI技术是一种可行的高性能工具,用于肘部X射线QC.
- 拟议的人工智能模型为临床环境中自动化质量评估提供客观和有效的解决方案.
- 这种人工智能方法提高了放射性质量控制的可靠性和效率.
