基于MRI图像的旋转手套损伤的多模型细分算法
Mengqi Li1,2, Jingchao Fang3, Haonan Hou2,4
1Department of Sports Medicine, Peking University Third Hospital, Institute of Sports Medicine of Peking University, Beijing 100191, China.
Bioengineering (Basel, Switzerland)
|March 28, 2025
概括
这项研究引入了用于旋转手套损伤的AI诊断工具,准确地细分眼并从MRI扫描中评估严重程度. 这种方法有助于临床医生提供更快,更精确的诊断旋转手套撕裂.
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:
- 旋转手套受伤很常见,可能导致严重的肩部功能障碍.
- 准确的诊断和严重程度评估对于有效的治疗计划至关重要.
- 当前的诊断方法可能是耗时和主观的.
研究的目的:
- 开发和验证一种基于人工智能的诊断方法,用于使用MRI进行旋转手套损伤.
- 为了自动细分旋转部撕裂区域并评估撕裂严重程度.
- 帮助临床医生实现高效和准确的诊断.
主要方法:
- 为图像分割开发了一个多模型深度学习网络 (Unet + FPN).
- 来自376名患者的5640张MRI图像的数据集被用于培训.
- 使用量身定制的匹配策略来优化细分精度.
- 评估了关键的撕裂严重性指标,包括估计收缩 (ER) 和估计停止撕裂宽度 (ESTW).
主要成果:
- 人工智能模型在划分撕裂区域方面取得了高准确性,与联盟 (IoU) 交叉点为0.79 ± 0.01以及0.75 ± 0.01的子系数.
- 估计收缩 (ER) 的精度达到了0.92 ± 0.02.
- 估计停止撕裂宽度 (ESTW) 的准确性达到了0.79 ± 0.01.
结论:
- 开发的AI算法是第一个专门用于诊断旋转手腕损伤的算法.
- 该平台在撕裂细分和严重程度评估方面都表现出高准确度.
- 这种人工智能工具在支持临床医生高效准确诊断旋转手套撕裂方面表现有前途.
