深度学习模型用于基于MRI的临床决策支持,用于椎脊椎退行性疾病
Kai-Yu Li1, Zhe-Yang Lu2, Yu-Han Tian2
1Department of Orthopedic Surgery, Second Affiliated Hospital and Yuying Children's Hospital of Wenzhou Medical University, Wenzhou, China.
Frontiers in neuroscience
|December 23, 2024
概括
一个新的深度学习 (DL) 模型分析了椎脊柱MRI扫描,显示了与脊椎外科医生对椎脊柱退行性疾病的治疗建议的高度一致性.
科学领域:
- 医疗成像医学成像
- 人工智能的人工智能
- 脊柱外科手术 脊柱外科手术
背景情况:
- 退行性椎脊椎疾病需要准确的诊断和治疗计划.
- 磁共振成像 (MRI) 对于可视化宫脊椎病理至关重要.
- 诊断工具和外科推之间的一致性对于患者护理至关重要.
研究的目的:
- 开发一种深度学习 (DL) 模型,利用MRI数据来研究椎退行性脊柱疾病.
- 评估DL模型的建议与经验丰富的脊椎外科医生建议的一致性.
主要方法:
- 收集了189名患有退行性疾病的患者的宫脊椎MRI扫描.
- 使用培训,验证和外部验证集开发并验证了DL模型的四个版本.
- 评估模型与外科医生建议的一致性,使用科恩的卡帕统计.
主要成果:
- DL模型与脊椎外科医生建议保持高度一致.
- DL版本1在二进制分类 (科恩的卡帕 = 0.874) 和三类分类 (科恩的卡帕 = 0.743) 中表现最好.
- 其他DL版本也表现出相当大的几乎完美的一致性.
结论:
- 深度学习算法可以有效地提供基于椎脊柱MRI的临床建议.
- 开发的DL模型与专家脊椎外科医生有很大一致性,支持其潜在的临床实用性.
更多相关视频
14:08Automated Midline Shift and Intracranial Pressure Estimation based on Brain CT Images
Published on: April 13, 2013
42.5K
12:50Lesion Explorer: A Video-guided, Standardized Protocol for Accurate and Reliable MRI-derived Volumetrics in Alzheimer's Disease and Normal Elderly
Published on: April 14, 2014
40.2K
