在使用YOLOv8和先进的数据增强技术的X射线图像中对AO/OTA 31A/B大腿骨折的分类
Giorgia Marullo1, Luca Ulrich1, Francesca Giada Antonaci1
1Department of Management, Production, and Design, Politecnico di Torino, C.so Duca degli Abruzzi, 24, Torino 10129, Italy.
Bone reports
|September 26, 2024
概括
这项研究使用YOLOv8深度学习增强了股骨骨折分类,提高了诊断准确度,以获得更好的患者护理. 这种先进的模型有助于医生及时准确地识别骨折.
科学领域:
- 整形外科 整形外科 整形外科
- 医疗成像医学成像
- 人工智能的人工智能
背景情况:
- 股骨骨折是一个重大的全球健康挑战,由于高发病率,发病率和死亡率,影响患者和家属.
- 计算机辅助诊断 (CAD) 技术,特别是深度学习 (DL),在提高骨折分类准确度方面显示出前景.
- 在训练DL模型的数据采集和解释其复杂发现方面仍然存在挑战.
研究的目的:
- 为了提高腿骨骨折分类的准确性和可解释性,使用DL.
- 改进现有的基于DL的Osteosynthesefragen和骨科创伤协会 (AO/OTA) 系统分类.
- 支持医生做出准确及及时的患者护理决策.
主要方法:
- 使用了最先进的YOLOv8架构,为解释性进行了微调.
- 在预处理过程中采用数据增强技术,通过图像处理更改来扩展数据集.
- 评估模型在股骨骨折分类任务上的表现.
主要成果:
- 微调的YOLOv8模型实现了高性能指标:0.9准确度,0.85精度,0.85回忆率和0.85F1得分 (各类平均).
- 证明有效提高OTA/AO系统的股骨骨折分类.
- 在改进过程中,模型的可解释性是关键焦点.
结论:
- 提出的YOLOv8架构有效地改善了股骨骨折的分类.
- 这种方法有助于医生实现快速和准确的诊断.
- 该研究强调了精细的DL模型在骨科创伤护理中的潜力.
更多相关视频
07:12Semiautomated Longitudinal Microcomputed Tomography-based Quantitative Structural Analysis of a Nude Rat Osteoporosis-related Vertebral Fracture Model
Published on: September 28, 2017
8.1K
07:24Autologous Microfractured and Purified Adipose Tissue for Arthroscopic Management of Osteochondral Lesions of the Talus
Published on: January 23, 2018
10.3K
