深度学习模型用于基于X光图的骨头原发性瘤和骨头感染的分类
Hua Wang1,2, Yu He3, Lu Wan1,2
1Department of Orthopaedics, The Second Xiangya Hospital of Central South University, Changsha, Hunan, China.
NPJ precision oncology
|March 13, 2025
概括
一个集体深度学习模型准确地使用X射线图和临床数据将原发性骨瘤与感染区分开来. 这种人工智能方法显示出提高诊断准确性的潜力,帮助临床医生在复杂的情况下.
科学领域:
- 放射学 放射学是一门学科.
- 在瘤学瘤学.
- 传染性疾病 传染性疾病
- 人工智能的人工智能
背景情况:
- 初级骨瘤 (PBT) 和骨感染具有相似的放射特征,使诊断复杂化.
- 准确的区分对于及时和适当的患者管理至关重要.
研究的目的:
- 开发和评估一个集体深度学习框架,以区分PBT与骨感染.
- 为了比较集体模型的性能与独立的基于X射线图像的成像模型和人类放射科医生.
主要方法:
- 创建了一个集体深度学习模型,集成多中心放射图和临床数据.
- 该模型在内部数据集上进行了训练和验证,并在外部数据集上进行了测试.
- 性能与EfficientNet B3 / B4,视觉变压器和Swin变压器模型进行了比较.
主要成果:
- 整体模型实现了高诊断性能,AUC为0.948 (内部) 和0.963 (外部).
- 获得的精度为0.881 (内部) 和0.895 (外部),超过了单个成像模型.
- 该模型的准确性超过了初级和中级放射科医生,并与高级放射科医生相美.
结论:
- 集团深度学习提供了一个强大的工具,用于提高诊断精度,在区分PBT和骨感染.
- 这种人工智能框架有可能支持临床决策并改善患者的治疗结果.
更多相关视频
06:53Modeling Primary Bone Tumors and Bone Metastasis with Solid Tumor Graft Implantation into Bone
Published on: September 9, 2020
2.7K
18:40Combined In vivo Optical and µCT Imaging to Monitor Infection, Inflammation, and Bone Anatomy in an Orthopaedic Implant Infection in Mice
Published on: October 16, 2014
17.1K
