开发和验证基于超声波的放射学深度学习模型,以识别类风湿性关节炎的骨质侵蚀
Lei Yan1,2, Jing Xu1,2, Xiaojian Ye1,2
1Department of Ultrasound, The First Affiliated Hospital of Fujian Medical University, 20# Chazhong Road, Fuzhou, 350005, Fujian, China.
Clinical rheumatology
|May 19, 2025
概括
一种新的深度学习放射学融合 (DLR) 模型有效地使用超声波图像识别了类风湿性关节炎患者的骨质侵蚀. 这种DLR模型显著提高了诊断准确性,并协助超声波仪在评估.
科学领域:
- 医疗成像医学成像
- 人工智能在医学中的应用
- 类风湿病学 类风湿病学
背景情况:
- 类风湿性关节炎 (RA) 诊断依赖于检测骨质侵蚀 (BE).
- 准确和早期识别BE对于有效的RA管理至关重要.
- 超声波 (US) 影像提供了一种非侵入性方法来评估RA的关节变化.
研究的目的:
- 开发和验证使用美国图像的深度学习放射学融合 (DLR) 模型.
- 评估DLR模型在确定RA患者骨质侵蚀的能力.
- 为了比较DLR模型的诊断性能,有和没有超声波器的帮助.
主要方法:
- 收集了来自两个机构的432名RA患者的美国图像.
- 提取的放射学 (Rad) 和深度学习 (DL) 功能.
- 开发了一个DLR融合模型,使用最小绝对收缩和选择操作员回归.
- 使用接收器操作特征和决策曲线分析验证模型性能.
主要成果:
- DLR模型实现了高诊断性能 (AUC=0.979在训练中,0.966在内部,0.932在外部).
- DLR模型显著提高了超声波仪的诊断准确性 (P < 0.05).
- 使用DLR辅助的超声波仪的性能与没有辅助的高级超声波仪的性能相匹配.
结论:
- 通过美国图像,DLR模型在通过美国图像识别RA患者的骨质侵蚀方面表现出卓越的性能.
- DLR模型是一个有前途的工具,可以帮助临床医生诊断RA骨质侵蚀.
- 整合DLR模型可以提高超声波学家对BE评估的准确性.
