通过使用基于深度学习的细分,对负载横脚放射图进行增强的 pes planus 和 pes cavus 诊断:一项比较观察者研究
Seung Min Ryu1,2, Keewon Shin3, Soo Wung Shin4
1Department of Orthopedic Surgery, Seoul Medical Center, Seoul, Republic of Korea.
Biomedical engineering letters
|January 9, 2025
概括
一种新型的深度学习模型 (DLm) 提高了像平脚这样的脚形的诊断,使用负载横向放射图. 与人类专家相比,这种AI模型实现了更高的精度和更少的测量误差,证明了临床适用性.
科学领域:
- 医疗成像医学成像
- 人工智能在医学中的应用
- 整形外科 整形外科 整形外科
背景情况:
- 负重横向放射 (WBLR) 对于诊断成年人获得的平脚形至关重要.
- 传统上,在WBLR中测量骨轴需要辅助线路,使分析复杂化.
- 准确诊断 pes planus 和 pes cavus 对于有效治疗至关重要.
研究的目的:
- 开发一个深度学习模型 (DLm) 用于WBLR的语义细分.
- 使用人工智能提高 pes planus 和 pes cavus 的诊断准确度.
- 评估DLM在角度测量和诊断方面与人类观察者对比的性能.
主要方法:
- 使用300个WBLRs开发了一个基于U2-Net的语义细分DLm.
- 该模型使用混合损失函数 (子损失和基于边界的损失) 进行训练.
- 使用最小惯力矩 (MMI) 和圆形拟合 (EF) 方法评估了角度测量误差.
主要成果:
- 在内部和外部验证中,DLm的绝对角度误差比人类观察者更低.
- 内部验证显示DLm误差为0.92° ± 1.32° (MMI) 和1.34° ± 2.07° (EF).
- 在两个数据集上的外部验证证实了DLM的卓越诊断准确性和可靠性.
结论:
- 开发的DLm显著提高了从WBLRs诊断足部形的准确性.
- 在U2-Net实现提供了增强的边界细分,对于准确的测量至关重要.
- DLm显示了现实世界的临床应用的巨大潜力,超过了人类专家.
