使用深度学习人工智能自动检测关节骨关节炎放射特征. 一个诊断准确性研究研究
Louloua Mourad1, Nayer Aboelsaad1, Wael M Talaat2
1Oral Surgical Sciences Department, Faculty of Dentistry, Beirut Arab University, Beirut, Lebanon.
Journal of stomatology, oral and maxillofacial surgery
|November 2, 2024
概括
一个人工智能 (AI) 模型通过放射图像证实了关节骨关节炎 (TMJ-OA) 的高准确性,与专家放射科医生达成了实质性的一致意见. 这种人工智能工具提供了一种有希望的自动化方法来诊断TMJ-OA.
科学领域:
- 医疗成像医学成像
- 人工智能在医学中的应用
- 整形外科 整形外科 整形外科
背景情况:
- 关节骨关节炎 (TMJ-OA) 的诊断依赖于放射性解释.
- 准确高效的诊断工具对于管理TMJ-OA至关重要.
研究的目的:
- 评估神经网络人工智能 (AI) 模型的诊断性能,以进行TMJ-OA的放射性确认.
- 将AI模型的诊断精度与经验丰富的放射科医生的诊断精度进行比较.
主要方法:
- 一项诊断准确性队列研究评估了一个AI对象检测模型 (YOLO深度学习) 在圆束计算机断层扫描 (CBCT) 图像上.
- 该研究包括成人患者,这些患者的评估使用了关节疾病诊断标准 (DC/TMD) 决策树.
- 人工智能模型的性能通过人类检查员对放射评估进行了验证.
主要成果:
- 人工智能模型与检查员的评估大致或近乎完全一致,除了皮下囊 (P=0.049) 之外,统计差异不大.
- 人工智能模型在各种放射性现象型中表现出良好的灵敏度,特异性和准确性.
- 接收器操作特征 (ROC) 分析显示了高度显著的结果 (p<0.001),曲线下的面积 (AUC) 从0.872 (表面侵蚀) 到0.911 (皮质下囊) 之间.
结论:
- 人工智能物体检测模型为TMJ-OA的放射性确认提供了一个有效的,自动化的和方便的方法.
- 这种人工智能工具显示出重要的诊断能力,用于识别与TMJ-OA相关的放射性特征.
- 这些发现表明,人工智能可以提高TMJ-OA诊断的效率和准确性.
