深度学习用于对关节形态的超声波评估
Julia Lasek1, Karolina Nurzynska2, Adam Piórkowski3
1Faculty of Geology, Geophysics and Environmental Protection, AGH University of Krakow, 30-059 Krakow, Poland.
Tomography (Ann Arbor, Mich.)
|March 26, 2025
概括
人工智能 (AI) 通过超声波图像准确地测量关节 (TMJ) 空间宽度. 这种人工智能工具显示出在诊断关节疾病方面可靠临床使用的潜力.
科学领域:
- 医疗成像医学成像
- 人工智能的人工智能
- 生物医学工程 生物医学工程
背景情况:
- 关节 (TMJ) 疾病是 orofacial 疼痛的常见来源.
- 人工智能 (AI) 在关节超声波中的应用尚未得到充分探索.
- 人工智能在增强医学成像分析方面表现有前途.
研究的目的:
- 开发和验证一种人工智能驱动的方法,用于自动测量TMJ空间宽度.
- 为了使TMJ超声波图像的可复制量的定量分析.
- 为了提高TMJ疾病的诊断准确度.
主要方法:
- 142个TMJ超声波图像使用2D残留U-Net模型进行了细分.
- 人工智能模型训练并与解剖组件的专家注释进行验证.
- 关节空间宽度计算为体和体之间的垂直距离.
主要成果:
- 在下冠状腺 (Dice: 0.91) 和关节空间 (Dice: 0.86) 中具有高细分性能.
- 由于复杂的几何形状,状的性能较低 (Dice: 0.60).
- 关节空间宽度测量显示最小偏差 (平均差异:0.08毫米,MAE:0.18毫米).
结论:
- 人工智能模型展示了作为TMJ超声波分析的可靠工具的潜力.
- 获得了精确的TMJ空间宽度测量,有助于临床诊断.
- 人工智能算法可以弥合超声波成像中的差距,用于更广泛的应用.
