一个人工智能驱动的框架用于检测骨折在骨科治疗中的骨折
Bakir Ghanem Murrad1, Abdulhadi Nadhim Mohsin2, R H Al-Obaidi3
1Department of Dentistry, Kut University College, Wasit 52001, Iraq.
ACS biomaterials science & engineering
|December 9, 2024
概括
这项研究引入了一个使用YOLOv8和ResNet的AI框架,用于更快,更准确地在X射线中检测骨折. 先进的系统显著提高了骨科护理的诊断效率和准确性.
科学领域:
- 医疗成像医学成像
- 医疗保健中的人工智能
- 骨科诊断器 骨科诊断器 骨科诊断器
背景情况:
- 传统的骨折检测依赖于X射线图像的手动分析,这可能耗时且容易出现错误.
- 当前诊断方法的局限性需要开发自动化工具来提高效率和准确性.
研究的目的:
- 开发和评估一个先进的人工智能 (AI) 驱动的框架,以提高骨折检测的速度和准确性.
- 解决手动图像分析在骨科诊断中的局限性.
主要方法:
- 将YOLOv8物体检测模型与ResNet骨干集成,以进行强大的特征提取和精确的断裂分类.
- 使用全面的X射线图像数据集进行模型培训和验证.
主要成果:
- 人工智能框架实现了0.9.9的平均平均精度.
- 该模型显示,骨折检测的整体分类准确率为90.5%.
- 与传统方法相比,诊断性能有显著的改善.
结论:
- 拟议的AI框架为骨科诊断提供了一个强大的,自动化的解决方案.
- 这项技术有可能在常规和紧急护理环境中提高诊断效率和准确性.
- 该研究通过及时和准确的骨折干预,有助于改善患者的治疗结果.


