通过人工智能检测和细分手腕和肘部骨折,使用护理点超声波

科学领域:

• 医学成像医学成像
• 医疗保健中的人工智能
• 儿科急诊医学 儿科急诊医学

背景情况:

• 距离半径 (手腕) 和骨 (肘部) 骨折是常见的儿科伤害.
• 目前的诊断依赖于放射图,增加急诊室 (ED) 等待时间.
• 超声波 (美国) 提供了一个无辐射,更快的替代方案,但由于图像噪声,它面临解释挑战.

研究的目的:

• 开发和验证人工智能 (AI) 技术,用于使用超声波在儿科手腕和肘部损伤中进行自动骨折诊断.
• 将AI分类模型的性能与更易解释的基于AI细分的方法进行比较.

主要方法:

• 开发了一种利用卷积神经网络 (CNN) 的AI管道,用于美国骨区域细分,形成骨折检测的基础.
• 在3822张手腕和1487张肘部美国图像的数据集上验证了AI方法.
• 将多通道细分模型与破裂检测准确性的标准分类模型进行比较.

主要成果:

• 人工智能细分方法在患者层面上在骨折检测方面表现出卓越的表现.
• 获得了高精度 (0.889手腕,0.750肘) 和灵敏度 (0.818手腕,1.000肘).
• 多通道U-Net架构有效地识别了手腕美国图像中的骨折区域.

结论:

• 人工智能模型可以使用超声波可靠地自动检测儿科手腕和肘部骨折.
• 这项技术有可能显著减少ED等待时间.
• 在儿科紧急护理中优化医疗资源利用是一个关键的好处.