一个最佳的深度学习模型,用于对结性脊髓炎患者的放射性损伤的评分
Yen-Ju Chen1,2,3, Der-Yuan Chen4,5,6, Haw-Chang Lan7
1Division of Allergy, Immunology and Rheumatology, Department of Internal Medicine, Taichung Veterans General Hospital, Taichung, Taiwan.
Therapeutic advances in musculoskeletal disease
|October 9, 2024
概括
一个深度学习模型从X射线中准确地得分修改的Stokes Ankylosing Spondylitis脊髓评分 (mSASSS),有助于检测结脊髓炎 (AS) 患者的脊椎损伤.
科学领域:
- 医疗成像中的人工智能
- 脊柱疾病的放射性评估
- 深度学习用于疾病评分.
背景情况:
- 在结性脊柱炎 (AS) 中检测脊椎结构损伤对于疾病进展监测和研究至关重要.
- 准确评估脊柱干涉对于管理AS患者至关重要.
研究的目的:
- 开发和评估一个深度学习模型,用于使用横向宫和腰椎X射线进行自动化mSASSS评分.
- 评估该模型在亚洲人口中AS的表现.
主要方法:
- 开发了一个具有本地化和分类模块的深度学习模型,以从X射线图像中得分mSASSS.
- 该模型识别了脊椎体,检测了AS病变,并计算了mSASSS得分.
- 在使用554名AS患者的数据对验证和测试数据集进行了性能评估.
主要成果:
- 深度学习模型在检测各种结构变化 (0.886-0.985) 和评分脊椎角 (0.865) 方面取得了高准确性.
- 在测试组中,mSASSS得分的整体准确率为86.5%.
结论:
- 一个训练有素的深度学习模型可以通过mSASSS评分准确地评估AS患者的脊椎结构损伤.
- 这种人工智能工具提供实时放射状况评估,减少人为错误并提高研究可重现性.
