将基于深度学习的三种人工智能模型进行比较,用于分类化腰椎间盘:一个多中心诊断研究
Zhiming Liu1, Hao Zhang1, Min Zhang2
1Department of Spine Surgery, The Affiliated Hospital of Qingdao University, Qingdao, Shandong, China.
Frontiers in surgery
|November 21, 2024
概括
一个人工智能模型使用MRI扫描准确地识别了化的腰椎间盘. 这种深度学习工具ResNet-34为临床诊断和手术规划提供了有前途的进步.
科学领域:
- 放射学和医学成像学 医学成像学
- 人工智能在医学中的应用
- 脊柱外科手术 脊柱外科手术
背景情况:
- 化的腰椎间盘带来了诊断上的挑战.
- 准确的鉴定对于有效的治疗计划至关重要.
- 当前的诊断方法可能有局限性.
研究的目的:
- 开发和验证人工智能 (AI) 诊断模型.
- 该模型旨在识别化的腰椎间盘.
- 鉴定是基于横侧腰部磁共振成像 (MRI).
主要方法:
- 开发了一个深度学习模型,特别是ResNet-34.
- 使用了1224名接受MRI和CT的患者 (2019年1月至2024年3月) 的数据.
- 该模型经过训练,测试和外部验证.
主要成果:
- 该ResNet-34模型在识别化腰椎间盘的过程中取得了很高的准确性.
- 测试数据集显示准确率为91.67%,AUC为0.96.
- 外部验证数据集显示准确率为88.76%,AUC为0.88.
结论:
- 成功建立了一个深度学习模型,用于识别化椎间盘.
- 该模型展示了出色的诊断性能.
- 这种人工智能工具为外科医生提供了高效的诊断解决方案.


