人工智能算法生成的部发育不良患者的放射性部测量和在高级MRI上发现的内部乱之间的相关性

科学领域:

• 整形外科 整形外科 整形外科
• 放射学 放射学是一门学科.
• 人工智能的人工智能

背景情况:

• 部发育不良 (HD) 的特点是部发育异常,导致股骨头覆盖率下降,部撕裂和软骨损伤.
• 机器学习 (AI) 为HD提供可重现的放射测量,包括横向中心边缘角 (LCEA),尼斯和挤出指数.
• 将3D磁共振成像 (MRI) 与2DMRI集成,可以提高关节发育不良的诊断能力.

研究的目的:

• 为了将MRI检测到的先进的腹部和软骨损伤与关节硬化患者的AI产生的放射测量相关联.
• 评估特定的放射性参数与关节内病理之间的关系.
• 评估人工智能在量化部发育不良症严重程度与软组织损伤相关的实用性.

主要方法:

• 一组139名患有关节发育不良的患者 (156名部) 接受了2D和3DMRI,四视图X射线和人工智能生成的放射测量.
• 分析了实验室重建,并进行了一项多读者研究.
• 计算了读者间可靠性 (ICC) 和斯皮尔曼相关性,以评估放射和MRI发现之间的关系.

主要成果:

• 前上部区域是最大的部撕裂最常见的部位 (90%).
• 在34%的病例中存在并囊,并且与大腿骨头覆盖面,挤出指数,LCEA和Tonnis测量结果具有统计学意义的相关性.
• 没有发现腹部撕裂的长度和放射测量之间的显著相关性.

结论:

• 在关节发育不良症中,人工智能生成的放射测量显示,与先进的MRI评估的部撕裂长度有很弱的相关性.
• 在 paralabral 囊和关键放射学参数之间观察到显著的相关性,这表明了潜在的间接关系.
• 关节发育不良的复杂病理生理学可能解释了放射测量和先进的MRI发现之间的有限相关性.