深度学习的应用在X射线上检测鼻骨骨折 鼻骨侧向视图
Tahereh Mortezaei1, Zahra Dalili Kajan2, Seyed Abolghasem Mirroshandel3
1Postgraduate student, Department of Oral and Maxillofacial Radiology, School of Dentistry, Guilan University of Medical Sciences, Rasht, Iran.
Dento maxillo facial radiology
|April 15, 2025
概括
深度学习模型在X射线侧视图上有效检测鼻腔骨折. VGG16模型在识别这些骨折方面表现出了最高的准确性.
科学领域:
- 放射学 放射学是一门学科.
- 人工智能的人工智能
- 医疗成像医学成像
背景情况:
- 鼻腔骨折是常见的伤害.
- 准确的检测对于适当的治疗至关重要.
- 使用X射线进行放射性评估是标准实践.
研究的目的:
- 评估深度学习算法的有效性,以诊断鼻骨折.
- 为了比较各种深度学习模型在X射线鼻骨侧面视图上的性能.
主要方法:
- 进行了对2968张X射线鼻骨横向视图的回顾性分析.
- 预处理涉及降噪和图像大小调整.
- 使用GLCM,HOG和LBP技术进行特征提取.
- 包括CNN,VGG16,VGG19,MobileNet,Xception,ResNet50V2和InceptionV3在内的深度学习模型进行了训练和测试.
主要成果:
- VGG16实现了最高准确度 (79%),紧随其后的是Swin变压器.
- VGG16也产生了最高的曲线下的面积 (AUC),为0.86.
- 其他模型,如ResNet50V2,InceptionV3,Xception和MobileNet显示出不同程度的成功.
结论:
- 深度学习模型显示了精确检测鼻骨折的巨大潜力.
- 在这项研究中,VGG16成为了表现最好的模型.
- 这些发现表明,深度学习可以帮助放射科医生诊断鼻骨折.
