基于深度学习的肩关节损伤的MRI细分技术的诊断价值
Lina Dai1,2, Md Gapar Md Johar3, Mohammed Hazim Alkawaz4
1School of Information Technology and Engineering, Guangzhou College of Commerce, Guangzhou, China. dailina27@163.com.
Scientific reports
|November 21, 2024
概括
一种新的深度学习MRI图像细分技术能够准确地诊断游泳者肩关节受伤,达到86.54%的准确性. 这种先进的方法显著改善了这些特定的运动伤害的传统诊断方法.
科学领域:
- 整形外科 整形外科 整形外科
- 医疗成像医学成像
- 人工智能的人工智能
背景情况:
- 游泳者经常经历肩膀关节损伤 (SJIs).
- 准确诊断SJIs对于有效的治疗和康复至关重要.
- 目前用于SJIs的诊断方法可能在准确性上有局限性.
研究的目的:
- 评估基于深度学习的磁共振成像 (MRI) 图像细分 (IS) 技术对游泳者SJI的诊断价值.
- 开发和评估用于肩关节MRI分析的新型多尺度特征融合网络 (MSFFN).
- 将拟议技术的诊断准确性与传统方法进行比较.
主要方法:
- 通过整合AlexNet和U-Net算法,开发了一种新的多级特征融合网络 (MSFFN).
- 用MSFFN对52名患有SJI的游泳者的肩关节MRI扫描进行图像细分.
- 性能被评估使用子相似系数 (DSC),正预测值 (PPV) 和灵敏度 (SE),并与关节镜检查结果进行比较.
主要成果:
- 综合资金网络实现了高DSC (92.65%的关节骨,92.93%的手臂骨) 与优秀的PPV和SE.
- 该MRIIS算法在诊断SJI类型时显示86.54%的准确性,超过了传统方法 (71.15%).
- 与关节镜检查结果一致,卡帕值为0.785,准确率为87.89%.
结论:
- 基于深度学习的MRI IS技术,利用MSFFN算法,显示出游泳者SJIs的显著诊断价值.
- 这种先进的成像分析方法提供了更高的准确性和临床应用潜力,用于诊断游泳者特定的肩部损伤.
- 这些发现支持将人工智能驱动的图像细分集成到运动员肩部损伤的骨科诊断中.
