利用转移学习来预测膝盖关节整形术完全失败的术后放射图

科学领域:

• 整形外科手术 整形外科手术
• 医学成像医学成像
• 医学中的人工智能

背景情况:

• 膝关节整形术 (TKA) 的发生率正在上升,增加了早期TKA故障检测的需求.
• 防止广泛的修复手术需要及时识别TKA衰竭.

研究的目的:

• 开发一种深度学习 (DL) 模型,使用放射图像预测TKA失效.
• 评估模型在识别潜在的TKA故障方面的性能.

主要方法:

• 追溯采集了两个接受初级TKA (开发和验证集) 的患者队列.
• 使用卷积神经网络 (CNN) 与转移学习,预先训练关节假肢失败预测 (Densenet169在Imagenet).
• 分析了前后后和侧侧放射图,评估了精度,灵敏度,特异性和AUC.

主要成果:

• DL模型在测试组件上实现了85%的准确性,80%的灵敏性,89%的特异性和0.86 AUC.
• 外部验证显示,精度为79%,灵敏度为80%,特异性为78%,AUC为0.86.
• 该模型在预测TKA故障方面表现出适度的准确性,不论修改原因如何.

结论:

• 一个深度学习模型有效地从放射图像中预测膝盖关节整形术的总失败.
• 使用先前存在的关节假肢失败模型进行转移学习是TKA失败预测的可行方法.