一个深度学习工具,用于在前后膝关节放射图上计算最小关节空间宽度
Kellen L Mulford1, Elizabeth S Kaji1, Austin F Grove1
1Orthopedic Surgery Artificial Intelligence Laboratory, Department of Orthopedic Surgery, Mayo Clinic, Rochester, Minnesota.
The Journal of arthroplasty
|January 29, 2025
概括
一个由人工智能驱动的算法准确地测量了膝关节放射图中的最小关节空间宽度 (mJSW),用于骨关节炎评估. 该工具有助于在临床研究和患者监测中跟踪膝关节健康状况和关节炎进展.
科学领域:
- 放射学 放射学是一门学科.
- 人工智能的人工智能
- 医疗成像医学成像
背景情况:
- 最小关节空间宽度 (mJSW) 是评估膝关节骨关节炎 (OA) 进展的一个关键定量指标.
- 准确的mJSW测量对于本地膝盖和那些经历了关节整形手术的膝盖都至关重要.
研究的目的:
- 开发一种自动化算法,用于测量膝关节中部和侧部的mJSW.
- 该算法设计灵活,可用于原生和关节置换术后的膝盖图像.
主要方法:
- 开发了一个结合深度学习细分和计算机视觉的端到端算法.
- 通过使用583张细分图像来训练和验证一个深度学习模型.
- 一个计算机视觉算法被开发和验证使用330个独立的地面真实测量.
主要成果:
- 细分模型实现了0.92.9的平均子得分.
- 与人类测量相比,该算法显示了0.85 ± 1.20毫米的平均绝对误差.
- 该算法显示出最小的偏差,平均误差为0.019毫米,73.2%的测量在人类评估的1毫米范围内.
结论:
- 一个基于人工智能的自动化算法,用于测量膝盖mJSW从前后放射已经成功开发和验证.
- 这种工具可以显著简化膝关节自然史的人口级临床研究.
- 它使临床医生能够有效量化随时间推移对个体患者的放射性关节炎进展.


