下一代机器学习模型用于测量狗部X射线图上的诺伯格角,提高了准确性和完成时间
George C Hansen1, Yuxiao Yao2, Anthony J Fischetti3
1College of Veterinary Medicine, Cornell University, Ithaca, NY.
American journal of veterinary research
|June 16, 2025
概括
一个新的AI模型准确地测量了狗部放射图上的诺伯格角 (NA),大大缩短了分析时间. 虽然对大多数病例有效,但严重的关节发育不良需要人工审查.
科学领域:
- 兽医医学 兽医医学 兽医医学
- 人工智能的人工智能
- 放射学 放射学是一门学科.
背景情况:
- 狗部形症的诊断依赖于精确的诺伯格角 (NA) 测量从X射线图.
- 手动的NA测量可能耗时,并且受观察者之间的变化影响.
研究的目的:
- 开发和验证一种机器学习 (ML) 模型,用于在狗部放射图上自动测量诺伯格角 (NA).
- 将ML模型的精度和效率与人类测量进行比较.
主要方法:
- 一个NA-AI模型是使用两种ML视觉模型的混合架构开发的,这些模型是在真实和合成放射图上训练的.
- 模型的预测与四位人类作者的测量结果进行了比较.
- 通过将人工智能辅助的校正时间与无辅助的人类测量进行比较来评估时间效率.
主要成果:
- 该NA-AI模型与人类测量结果有很好的一致性 (平均绝对误差为5°-6°),特别是对于NA>80°.
- 人与人之间的测量变化在3°-10°之间.
- 人工智能帮助将放射分析时间缩短了45% - 80%.
结论:
- 该NA-AI模型提供了一个更准确,更有效的方法来测量诺伯格角在狗部X射线图.
- 该模型的性能可靠,除了严重关节发育不良的情况下,需要手动评估.
