用超声波检测旋转手套撕裂的诊断准确性和观察者间可靠性通过注意深度学习得到改善
Kuan-Ting Wu1, Po-Cheng Chen2, Wen-Yi Chou3
1Department of Orthopedic Surgery, Kaohsiung Chang Gung Memorial Hospital, Graduate Institute of Clinical Medical Science, Chang Gung University College of Medicine, Kaohsiung, Taiwan; Department of Computer Science and Information Engineering, National Cheng Kung University, Tainan, Taiwan; Department of Sports, Health and Leisure and Graduate Institute of Sports, Health and Leisure, Cheng Shiu University, Kaohsiung, Taiwan; Kaohsiung Municipal Fong Shan Hospital - Under the Management of Chang Gung Medical Foundation, Kaohsiung, Taiwan.
概括
这项研究用CBAM (YOLOv7-CBAM) 增强了YOLOv7,在超声波图像中改善了旋转手套肌撕裂的检测. 人工智能模型显著提高了医生的诊断准确性和一致性.
科学领域:
- 医疗成像医学成像
- 人工智能的人工智能
- 整形外科 整形外科 整形外科
背景情况:
- 旋转手套病变是肩部疼痛的常见原因之一.
- 正确诊断旋转手套撕裂对于有效治疗至关重要.
- 超声波是用于肩部评估的广泛使用的成像方法.
研究的目的:
- 开发和评估一个改进的物体检测模型,YOLOv7-CBAM,用于自动识别撕裂或完整的旋转手套肌.
- 为了提高超声波的诊断准确度,检测旋转手套病变.
- 为了帮助医生更有效地诊断旋转带损伤.
主要方法:
- 开发了一种修改后的YOLOv7模型,其中包含了卷积块注意模块 (CBAM) (YOLOv7-CBAM).
- 来自280名肩部疼痛患者的超声波图像被用于训练和测试.
- 使用准确度,精度,灵敏度,F1得分和平均平均精度等指标评估性能,并使用梯度加权类激活映射进行可视化.
主要成果:
- 与YOLOv7 (0.96) 相比,YOLOv7-CBAM获得了更高的精度 (0.98).
- 该模型表现出比YOLOv7.7更高的精度 (0.98) 和灵敏度 (0.98).
- 使用YOLOv7-CBAM的人工智能辅助诊断,医生准确度从80.86%提高到88.86%和观察者间可靠性从0.49提高到0.71.71.
结论:
- YOLOv7-CBAM模型通过超声波图像准确地检测旋转手套肌撕裂.
- 这种人工智能工具的整合可以提高医生的诊断准确性和观察者间可靠性.
- 注意深度学习模型为改善基于超声波的旋转手套诊断提供了一个有希望的方法.
