深度学习机会性查骨质疏松症和骨质疏松症使用足部或脚的X射线图 - 一项试点研究
Farid Gharehmohammadi1, Ronnie Sebro2
1Department of Radiology, MD Anderson Cancer Center, 1515 Holcombe Blvd, Houston, TX 77030, USA; Department of Imaging Physics, MD Anderson Cancer Center, 1515 Holcombe Blvd, Houston, TX 77030, USA.
European journal of radiology
|February 13, 2025
概括
一个新的深度学习 (DL) 模型可以使用常见的脚或脚X射线准确地选骨质疏松症和骨质疏松症. 这种方法为双能X射线吸收度 (DXA) 提供了一个有希望的替代方案,用于识别骨矿物质密度 (BMD) 低的患者.
科学领域:
- 放射学 放射学是指放射学
- 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:
- 双能X射线吸收计 (DXA) 是诊断低骨矿物密度 (BMD) 的标准,但查率较低.
- 由于查有限,骨质疏松症和骨质疏松症往往没有被诊断出来.
- 需要可访问的方法来识别患有低BMD风险的患者.
研究的目的:
- 开发和评估深度学习 (DL) 模型,用于查骨质疏松症和骨质疏松症.
- 用随时可用的脚或脚射线图作为DL模型的输入.
- 与DXA相比,评估DL模型的诊断性能.
主要方法:
- 一项回顾性横截面研究,涉及907名年龄≥50岁的患者.
- 开发一种新的DL模型,使用定制架构从脚/脚放射图中提取特征.
- 随机 80:20 分割 3109 个X光照成训练/验证和测试数据集,用于模型评估.
主要成果:
- DL模型在测试数据集中实现了0.87的曲线下的面积 (AUC).
- 观察到高诊断性能:灵敏度为89.89%,特异性为83.65%,PPV为90.78%,NPV为74.14%.
- 该模型在测试数据集中显示了89.89%的准确性,在培训/验证数据集中显示了94.65%的准确性.
结论:
- 开发的DL模型显示了对精确识别患有骨质疏松症/骨质疏松症的患者的巨大潜力.
- 足部或脚的放射能可以有效地被DL模型用于BMD查.
- 这种人工智能驱动的方法可以改善低骨密度的早期检测和管理.
