基于内容的图像检索有助于放射科医生在MRI中诊断眼睛和轨道质量病变
Josef Lorenz Rumberger1,2,3, Winna Lim4, Benjamin Wildfeuer4
1Max-Delbrück Center for Molecular Medicine in the Helmholtz Association, Berlin, Germany.
Scientific reports
|April 2, 2025
概括
基于机器学习的基于内容的图像检索 (CBIR) 工具显著提高了对眼睛和轨道状况的诊断准确性. 将CBIR与现有资源相结合进一步提高了准确性,但可能会增加阅读时间.
科学领域:
- 放射学 放射学是一门学科.
- 眼科医生 眼科 眼科
- 医疗成像医学成像
- 人工智能的人工智能
背景情况:
- 通过放射性成像诊断眼睛和轨道病理是具有挑战性的,因为稀有,多样化的呈现和所需的专业知识.
- 当前的诊断支持工具可能无法完全解决这些复杂性.
研究的目的:
- 评估基于机器学习的基于内容的图像检索 (CBIR) 工具在改善眼睛和轨道病理的诊断准确性和效率方面的有效性.
- 为了比较单独使用CBIR工具与与标准参考工具结合使用的CBIR工具的性能.
主要方法:
- 一个多读者,多个案例研究,涉及36名放射科医生和48个回顾性轨道MRI病例.
- 放射科医生使用现状参考工具和/或CBIR工具诊断病例.
- 使用线性混合效应模型进行统计分析,以评估诊断准确性和阅读时间.
主要成果:
- 仅使用CBIR工具,诊断准确度显著提高 (70.59%对比55.88%,p=0.03) 并且在使用现状工具时进一步提高 (83.33%对比55.88%,p=0.02).
- 当单独使用CBIR工具时,阅读时间减少 (236s vs. 334s,p<0.001).
- 当CBIR工具与现状工具一起使用时,阅读时间增加 (396s vs 334s,p<0.001).
结论:
- CBIR工具为提高眼睛和轨道成像的诊断准确性提供了巨大的好处.
- CBIR工具对阅读时间的影响是可变的,单独使用时会减少,但与其他资源相结合时会增加.
