多模式成像在诊断膝盖运动伤害时的准确性和可靠性
Di Zhu1, Zitong Zhang2, Wenji Li1
1Sports College, Shandong Normal University, Jinan 250000, Shandong, China.
Current medical imaging
|May 16, 2025
概括
深度学习与多种成像技术相结合,显著提高了膝盖损伤诊断的准确性和效率. 这种方法提高了诊断的一致性,并减少了与传统方法相比的解释时间.
科学领域:
- 整形外科 整形外科 整形外科
- 放射学 放射学是一门学科.
- 人工智能的人工智能
背景情况:
- 膝关节损伤的单一成像模式因主观解释和各种诊断标准而存在准确性和可靠性问题.
- 医生经验和诊断标准的变化会影响膝关节损伤评估的一致性.
研究的目的:
- 通过整合多种成像技术,提高膝关节损伤诊断的准确性和可靠性.
- 为膝关节损伤开发使用深度学习 (DL) 的自动诊断系统.
主要方法:
- 集体学习结合了磁共振成像 (MRI),计算机断层扫描 (CT) 和超声波 (US) 数据.
- 深度学习模型,特别是卷积神经网络 (CNN),用于自动识别和分类损伤.
- 图像预处理技术包括增强,降噪和细分,以提高数据质量.
主要成果:
- DL模型在各种膝关节损伤中表现出高灵敏度和特异性,包括前十字带撕裂,阴囊损伤,软骨损伤和骨折.
- 前十字带撕裂的诊断准确度超过了90%,软骨损伤诊断达到95.80%.
- DL模型显著减少了解释时间,并且与专家诊断具有很高的一致性,整体错误率低于2%.
结论:
- 开发的DL模型对各种膝关节损伤具有高精度和概括能力.
- 将多种成像模式与DL算法集成,提供了一种有前途的方法来提高与运动有关的膝盖伤害的诊断准确性和效率.
更多相关视频
06:27Author Spotlight: Investigating Early Events and Long-Term Effects of ACL Injuries for Osteoarthritis Progression
Published on: September 29, 2023
601
06:52An Inertial Measurement Unit Based Method to Estimate Hip and Knee Joint Kinematics in Team Sport Athletes on the Field
Published on: May 26, 2020
7.8K
