利用3D卷积神经网络准确识别和定位脚骨折
Hua Wang1, Jichong Ying2, Jianlei Liu2
1Department of Medical Imaging, Ningbo No.6 hospital, Ningbo, People's Republic of China.
Therapeutics and clinical risk management
|November 25, 2024
概括
3D-EfficientNetB7模型使用CT扫描准确诊断脚骨折. 这种人工智能方法改善了微妙骨折的检测,提高了患者的护理.
科学领域:
- 医学成像分析分析 医学成像分析
- 放射学中的人工智能
- 骨科诊断器 骨科诊断器 骨科诊断器
背景情况:
- 脚骨折严重影响患者的流动性和生活质量.
- 传统的成像技术在检测微妙的骨折方面存在局限性.
- 三维卷积神经网络 (3D-CNNs) 显示了改善脚骨折诊断的潜力.
研究的目的:
- 为了评估不同的3D-CNN模型用于脚骨折诊断的性能.
- 为了比较3D-Mobilenet,3D-Resnet101和3D-EfficientNetB7.7的准确性,AUC和回忆,我们可以使用它们.
- 使用Grad-CAM.AM评估3D-CNN模型的可解释性.
主要方法:
- 获取和预处理1453张高分辨率CT扫描.
- 对三种3D-CNN模型进行比较评价:3D-Mobilenet,3D-Resnet101和3D-EfficientNetB7.
- 使用梯度加权类激活映射 (Grad-CAM) 进行可视化和解释性.
主要成果:
- 3D-EfficientNetB7模型在20个时代后实现了0.91准确度和0.94 AUC.
- 这种模型在检测微妙和复杂的脚骨折方面表现出卓越的性能.
- Grad-CAM可视化证实了该模型的重点是临床相关领域,增强了诊断信心.
结论:
- 3D-EfficientNetB7模型对足骨折的诊断非常有效.
- 性能指标和可视化工具支持这种AI方法的可靠性.
- 这项研究验证了3D-CNNs用于增强骨科诊断的使用.


