使用深度神经网络的自动哈迪和克拉法姆对足部X射线影像上的状状位置的分类
Ryutaro Takeda1, Akihiro Uchio1, Toshiko Iidaka2
1Department of Orthopaedic Surgery, Faculty of Medicine, The University of Tokyo, 7-3-1 Hongo, Bunkyo-ku, Tokyo 113-8655, Japan.
概括
一个新的深度神经网络 (DNN) 可以在足部X射线上自动分类骨芝麻状位置 (TSP),与专家外科医生显示出高度一致性.
科学领域:
- 医学成像分析 医学成像分析
- 人工智能在医学中的应用
- 整形外科手术 整形外科手术
背景情况:
- 现有的深度神经网络 (DNN) 无法在足部X射线图上自动分类骨芝麻状位置 (TSP).
- 准确的TSP分类对于诊断和管理脚疾病至关重要.
研究的目的:
- 开发和验证用于自动化TSP分类的DNN.
- 评估DNN的分类与经验丰富的足外科医生分类的一致性.
主要方法:
- 一个DNN在1554英尺射线图上接受了训练,用于使用哈迪和克拉法姆分类来预测TSP.
- 模型验证涉及将DNN预测与三名外科医生对113名患者X射线图的分类进行比较.
- 权重的卡帕 (KAI) 被计算出来,以量化DNN和外科医生之间的协议.
主要成果:
- 与中位数外科医生分类相比,DNN的KAI达到了0.95 (95%CI:0.85-1.00),与中位数外科医生分类相比.
- 这表明自动DNN分类和人类专家评估之间存在很大的一致性.
- 这项研究使用了回顾性队列设计 (第三级证据).
结论:
- 一种新的DNN已成功开发用于自动TSP分类.
- 该DNN显示足够一致的脚外科医生,为临床使用提供了一个潜在的工具.
- 这种自动化方法可以提高TSP评估的效率和标准化.
