通过智能手机摄像头,利用人工智能来诊断 pes planus 和 pes cavus 疾病

科学领域:

• 整形医学和医学成像学
• 医疗保健中的人工智能
• 生物机械工程 生物机械工程

背景情况:

• 平脚 (pes planus) 和洞脚 (pes cavus) 是常见的脚形,需要临床和放射评估.
• 传统的诊断方法有其局限性,包括成本,辐射暴露和可访问性.

研究的目的:

• 开发和验证使用智能手机相机检测和分类 pes planus 和 pes cavus 的深度学习算法.
• 创建一个可访问和成本效益的诊断工具,用于脚形变形.

主要方法:

• 一个深度卷积神经网络 (CNN) 被集成到一个智能手机相机应用程序中.
• 在标准化条件下,摄取了参与者的脚中间部分的照片.
• 评估CNN模型的性能与临床评估和放射测量进行了对比.

主要成果:

• 在CNN模型实现了高的诊断准确性,在曲线下面的面积为0.90的 pes planus 和 pes cavus.
• 该模型在检测 pes planus (87%的灵敏度,84%的特异性) 和 pes cavus (70%的灵敏度,97%的特异性) 中表现出高的灵敏度和特异性.
• 模型预测显示了与放射测量的中度相关性,证实了其在评估足变形方面的可靠性 (P < 0.05).

结论:

• 基于智能手机的深度学习模型显示出作为足变形的可靠和可访问的选工具的巨大潜力.
• 这项技术可以使服务不足的社区和患有细微脚形的患者受益.
• 这项研究强调了人工智能在改善骨科诊断和患者护理方面的实用性.