选择密度标准和X射线管设置,用于使用k-means集群算法对马进行计算数字吸收计
Bernard Turek1, Marek Pawlikowski2, Krzysztof Jankowski2
1Department of Large Animal Diseases and Clinic, Institute of Veterinary Medicine, Warsaw University of Life Sciences (WULS - SGGW), Nowoursynowska 100, Warsaw, 02-797, Poland.
BMC veterinary research
|March 14, 2025
概括
这项研究优化了用于马肢成像的X射线参数,使k-means集群能够在健康和受影响的马中区分骨类型. 这推动了使用人工智能进行兽医诊断的进步.
科学领域:
- 兽医放射学 兽医放射学
- 在兽医中使用人工智能
- 生物医学成像技术 生物医学成像技术
背景情况:
- 传统的放射性图像是用于马匹诊断成像的标准.
- 整合人工智能 (AI) 和骨密度评估可以提高兽医临床决策.
- K-means集群是一种机器学习技术,用于分类放射性发现.
研究的目的:
- 评估k-means集群算法的有效性,以区分马类四肢的皮层和椎骨.
- 为了确定这种差异化的最佳计算数字吸收度参数.
主要方法:
- 五个金属密度标准和十个X射线管设置在健康和患有骨关节炎的马匹远端四肢上进行了测试.
- 放射图像被分析为相对骨密度 (Hounsfield单位).
- 应用K-means聚类来根据密度区分骨类型.
主要成果:
- 该k-means集群算法成功地在健康和受影响的四肢中区分了皮层和椎骨.
- 骨的相对密度在近端中不同类型的骨之间有所不同.
- 使用60kV和4.0mAs设置的杜拉密度标准显示了最佳的集群指标.
结论:
- 确定了最佳的计算数字吸收度参数,以区分马远端四肢的骨类型.
- 这些参数可以提高传统放射图中的相对量化.
- 这些发现支持在马兽医实践中使用先进的AI辅助诊断成像.
