通过使用深度学习来诊断肩膀MRI上超脊柱肌撕裂的全自动化方法
Jiufa Cui1, Xiaona Xia2, Jia Wang3
1Department of Radiology, the Affiliated Hospital of Qingdao University, Qingdao, Shandong, China (J.C., X.L., D.H., J.L.).
Academic radiology
|November 4, 2024
概括
深度学习在MRI上准确地检测到上肌 (ST) 的撕裂,与放射科医生的性能相匹配. 这种人工智能方法显示ST撕裂检测的高诊断准确性.
科学领域:
- 放射学 放射学是一门学科.
- 人工智能的人工智能
- 医疗成像医学成像
背景情况:
- 肩部MRI对于诊断上肌 (ST) 撕裂至关重要.
- 准确的ST撕裂检测对于有效的患者管理至关重要.
- 当前的诊断方法可能是主观的,耗时的.
研究的目的:
- 评估深度学习 (DL) 系统用于检测肩膀ST撕裂的可行性.MRI.
- 将DL系统的诊断性能与专家放射科医生进行比较.
- 用关节镜作为诊断的黄金标准.
主要方法:
- 进行了一项涉及431名参与者的回顾性研究.
- 开发了一个使用U-Net进行细分和Swin变压器进行分类的DL系统.
- 用AUC,灵敏度,特异性和精度来评估DL系统的性能,并与放射科医生诊断进行比较.
主要成果:
- 该DL系统的AUC达到0.986,准确度为0.929,灵敏度为0.918,特异性为0.940.
- 该系统在检测ST撕裂方面表现出高的诊断准确性.
- 在DL系统和肌肉骨放射科医生之间,诊断效率没有显著差异.
结论:
- 开发的DL系统的诊断性能与经验丰富的放射科医生相美.
- 这种人工智能驱动的方法显示了在肩膀MRI上准确有效地检测ST撕裂的前景.


