超声波用于使用深度学习的全厚旋转手套肌撕裂的自动分类
概括
一个人工智能工具现在可以使用超声波 (US) 成像检测旋转部撕裂,使诊断更容易获得. 这种人工智能系统提高了精度,并可以帮助更多的临床医生进行扫描,加快患者护理.
科学领域:
- 医疗成像医学成像
- 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:
- 旋转袖口撕裂是常见的肩膀损伤,通常通过MRI诊断.
- 超声波 (美国) 是一个更便宜的替代方案,但需要专家操作员.
- 人工智能可以提高美国的可访问性,用于诊断旋转手套撕裂.
研究的目的:
- 开发和评估一种人工智能工具,使用超声波检测全厚旋转手套撕裂.
- 通过美国成像来提高旋转手套撕裂诊断的可访问性和准确性.
主要方法:
- 一个两步人工智能方法: 1) CNN自动编码器用于细分皮层和亚毛囊, 2) VGG-16网络用于分类肌撕裂.
- 人工智能预测边界轮点,专注于关键的扫描区域进行分类.
- 该系统在11600张图像上进行了训练,并在210名患者的2900张图像上进行了测试.
主要成果:
- 细分模型实现了95.3%的子系数 (DC) 和2.9毫米的豪斯多夫距离 (HD).
- 分类网络 (VGG-16) 的准确度达到85.2%,灵敏度为84.2%,特异性为83.3%.
- 人工智能管道在与U-Net分段模型相比显示出更高的性能.
结论:
- 由人工智能驱动的美国评估管道显示,经验较少的用户有可能准确地检测旋转手套撕裂.
- 这项技术可以提高美国的可访问性,用于旋转手套撕裂诊断.
- 人工智能工具可以简化成像,改善患者获得护理的机会,并帮助治疗决策.
