人工智能医学图像辅助诊断系统用于评估腰部融合手术后邻近段变性风险

科学领域:

• 脊柱外科手术 脊柱外科手术
• 放射学 放射学是一门学科.
• 人工智能在医学中的应用

背景情况:

• 腰部融合后当前相邻段变性 (ASD) 风险评估依赖于有限的数据,通常缺少早期症状和临床背景.
• 现有的方法忽视了患者的生活质量和临床症状,阻碍了对ASD发展和风险因素的充分理解.
• 这种局限性阻碍了制定有效的预防和管理ASD后腰椎融合手术的策略.

研究的目的:

• 开发和评估人工智能 (AI) 医学图像辅助诊断系统,以改善腰部融合后ASD风险评估.
• 通过整合多模式成像数据和临床信息,提高ASD风险评估的准确性和全面性.
• 通过更精确地识别ASD特征和风险,改善术后管理和患者的治疗结果.

主要方法:

• 利用协作注意力机制,从计算机断层扫描 (CT) 和磁共振成像 (MRI) 扫描中提取和融合多模式特征.
• 采用加权相似度矩阵来实现多模式信息互补性,并使用残余网络结构来稳定特征提取.
• 在多任务学习框架中整合了一个完全连接的网络 (FCN),以进行全面的ASD风险评估.

主要成果:

• 与3D-CNN,U-Net++和DRN模型相比,拟的AI模型表现出更高的性能.
• 在ASD风险评估中实现了更高的准确性 (3.82-6.68%的增加),精度 (0.56-4.01%的增加) 和回忆 (3.41-5.79%的增加).
• 人工智能系统有效地识别了ASD特征,并提供了更全面的风险评估.

结论:

• 由人工智能驱动的医学图像辅助诊断系统显著提高了腰部融合后ASD风险评估的准确性和全面性.
• 这种人工智能系统为改善术后管理和识别患有自闭症高风险的患者提供了宝贵的工具.
• 多模式成像数据和人工智能的整合有望促进ASD的理解和管理.