卷积神经网络在宫骨髓病的诊断中的作用
Murat Korkmaz1, Hakan Yılmaz2, Merve Damla Korkmaz3
1Departamento de Ortopedia e Traumatologia, Istanbul Faculty of Medicine, Istanbul University, Istambul, Turquia.
Revista brasileira de ortopedia
|December 9, 2024
概括
卷积神经网络在使用MRI扫描诊断宫骨髓病 (CM) 时表现出高准确度. 这种深度学习方法在脊柱外科手术中提供了更好的诊断能力.
科学领域:
- 神经外科 神经外科
- 放射学 放射学是一门学科.
- 人工智能的人工智能
背景情况:
- 人工智能 (AI) 越来越多地被用于脊柱外科诊断目的.
- 卷积神经网络 (CNN) 是一种关键的人工智能技术,在医学成像分析方面具有潜力.
- 宫肌病 (CM) 诊断在很大程度上依赖于成像,MRI是标准的工具.
研究的目的:
- 评估CNN在宫骨髓病 (CM) 的诊断效果.
- 为了比较CNN与CM诊断中的常规宫磁共振成像 (MRI) 的性能.
主要方法:
- 进行了一项横截面描述性分析研究.
- 包括125名被诊断为CM的参与者.
- 使用CNN分析了斜和轴心T2加权的宫脊椎MRI图像.
主要成果:
- 在轴向视图和斜视图中,CNN实现了高诊断准确度,灵敏度和特异性率超过97%.
- 轴向视图的平均精度为96.7% (±1.53%),而斜视图的平均精度为97.19% (±1.2%).
- 使用三重交叉验证来确保模型的稳定性,并防止过拟合.
结论:
- 深度学习 (DL) 在脊柱外科应用中取得了重大进展.
- CNNs为诊断CM提供了一种高度准确的方法,优于以前的研究.
- 人工智能驱动的诊断工具显示出增强CM检测临床决策的前景.
