在CT扫描中自动检测下骨折,使用深度学习
Yuanyuan Liu1, Xuechun Wang2, Yeting Tu1
1Department of Oral Medical Imaging, State Key Laboratory of Oral Diseases, National Clinical Research Center for Oral Diseases, West China Hospital of Stomatology, Sichuan University, Chengdu 610041, China.
Dento maxillo facial radiology
|April 16, 2025
概括
深度学习模型在从CT扫描中检测和分类下骨折方面表现出高准确度. nn-Net框架可以改善骨折的识别,帮助临床诊断.
科学领域:
- 医疗成像医学成像
- 人工智能的人工智能
- 口腔和牙面部外科手术
背景情况:
- 骨骨折是常见的伤害,需要准确的诊断.
- 计算机断层扫描 (CT) 扫描对于评估这些骨折至关重要.
- 人工智能有可能提高医学成像中的诊断准确性.
研究的目的:
- 评估深度学习 (DL) 模型在使用CT扫描检测和分类下骨折方面的有效性.
- 评估nnU-Net细分框架和3D-ResNet模型的性能.
主要方法:
- 459名患者CT扫描的回顾性分析 (2020-2023年).
- 使用nnU-Net框架进行像素级断裂检测.
- 采用3D-ResNet模型根据严重程度对骨折进行分类.
- 通过使用灵敏度,精度,特异性和AUC来评估性能.
主要成果:
- 在下骨折检测中具有高的诊断准确性 (灵敏度>0.93,精度>0.79,特异性>0.80).
- 骨骨折分类实现了0.718以上的准确度.
- 分类的曲线下的平均面积 (AUC) 为0.86.
结论:
- 深度学习,特别是nnU-Net框架,显著提高了CT图像中下骨折的检测和分类.
- 人工智能驱动的分析可以提高这些损伤的临床诊断的准确性和效率.
