自动远距离半径和骨骨成熟度评分从手部X射线图与注意力多任务学习方法
Xiaowei Liu1, Rulan Wang2, Wenting Jiang3
1School of Computing and Artificial Intelligence, Shandong University of Finance and Economics, Jinan 250000, China.
Tomography (Ann Arbor, Mich.)
|December 27, 2024
概括
这项研究引入了一种人工智能工具,用于使用手部X射线进行自动化骨成熟度评估,从而提高了预测青少年成长的准确性和效率.
科学领域:
- 放射学 放射学是一门学科.
- 医疗成像医学成像
- 人工智能的人工智能
背景情况:
- 骨成熟度评估对于青少年生长和内分泌疾病至关重要.
- 距离半径和肘部 (DRU) 分类有助于脊椎病的管理,但手动评估是缓慢的和容易出错的.
- 自动化DRU评估可以提高临床效用.
研究的目的:
- 开发一个多任务学习框架,关注手部X射线中DRU的联合细分和分类.
- 提高骨成熟度评估的准确性和效率.
- 提供一个工具,以更好地管理青少年异常学脊椎病.
主要方法:
- 提出了一种具有注意力机制的多任务学习框架.
- 使用了一个编码器-解码器结构,用于细分的注意力门.
- 采用卷积网络进行分类,结合转移学习.
- 应用框架来处理DRU评估的X射线图像.
主要成果:
- 在DRU细分和成熟度分级方面实现了高精度.
- 与单任务学习和以前的方法相比,表现有所改善.
- 达到94.3%的半径准确度和90.8%的部成熟度分级.
- 自动化平台涵盖了整个青春期成长过程.
结论:
- 开发的AI框架为DRU骨成熟度评估提供了一种有效和准确的方法.
- 这种自动化平台有可能改善脊椎病管理中的临床决策.
- 与预后工具的整合可以提高对脊椎病患者的护理.
