相关实验视频
Updated: Jun 16, 2026

09:25
A Protocol to Acquire the Degenerative Tenocyte from Humans
Published on: June 9, 2018
深度学习模型用于肌病的检测:对诊断测试的系统审查和元分析
Guillermo Droppelmann1,2,3, Constanza Rodríguez4, Dali Smague4
1Research Center on Medicine, Exercise, Sport and Health, MEDS Clinic, Santiago, RM, Chile.
EFORT open reviews
|October 3, 2024
概括
深度学习模型在从医学图像中诊断肌病理时显示出高准确度. 这些人工智能工具有望成为临床医生在肌肉骨成像诊断中的宝贵辅助工具.
科学领域:
- 医疗成像医学成像
- 人工智能的人工智能
- 肌肉骨疾病 肌肉骨疾病
背景情况:
- 深度学习模型越来越多地用于诊断肌肉骨病理.
- 肌病理诊断可以从先进的人工智能技术中显著受益.
研究的目的:
- 评估深度学习模型对肌病理的诊断性能.
- 通过各种成像方式来评估这些模型.
主要方法:
- 一个对11个深度学习模型的六篇文章的元分析.
- 在主要数据库 (MEDLINE/PubMed,SCOPUS等) 进行的搜索. ) 的情况.
- 用于研究质量评估的QUADAS-2工具;用于诊断措施的随机效应模型.
主要成果:
- 深度学习模型在检测肌疾病方面实现了高灵敏度 (0.910) 和特异性 (0.954).
- 报告的正概率 (PLR) 为37.075,负概率 (NLR) 为0.114,曲线下的面积 (AUC) 为96%.
- 统计分析证实了强的表现 (P < 0.001).
结论:
- 深度学习算法在识别肌异常方面具有很高的准确性.
- 这些人工智能工具显示出在医学成像中作为补充诊断辅助工具的潜力.

