相关实验视频
Updated: Sep 16, 2025
06:23
Diagnosis and Surgical Treatment of Human Brucellar Spondylodiscitis
Published on: May 23, 2021
4.9K
开发一种基于深度学习的MRI诊断模型,用于人类布鲁塞拉脊柱炎
Binyang Wang1, Jinquan Wei2, Zhijun Wang3
1Ningxia Institute of Clinical Medicine, The Third Clinical Medicine College, People's Hospital of Ningxia Hui Autonomous Region, Ningxia Medical University, Zhengyuan Street 301, Yinchuan, 750002, China.
Biomedical engineering online
|July 9, 2025
概括
深度学习模型可以使用MRI扫描准确区分布鲁塞拉脊髓炎 (BS) 和结核脊髓炎 (TS). 这种人工智能方法为精确诊断脊髓感染提供了一个有希望的工具.
科学领域:
- 医疗成像医学成像
- 人工智能的人工智能
- 传染性疾病 传染性疾病
背景情况:
- 布鲁塞拉脊柱炎 (BS) 和结核脊柱炎 (TS) 是不同的脊柱感染,需要准确的区分才能有效治疗.
- 目前使用成像和病原体检测的诊断方法在速度和准确性方面存在局限性.
- 深度学习 (DL) 为改善诊断能力提供了一个潜在的解决方案.
研究的目的:
- 调查使用深度学习模型与传统MRI进行区分BS和TS的可行性.
- 开发和评估一个DL模型,以提高脊髓感染的诊断准确度.
主要方法:
- 使用了310名患者 (209名BS,101名TS) 的数据集,分为培训,测试和外部验证集.
- 一个ResNeXt-50架构与卷积块注意力模块 (CBAM) 集成,在形T2加权的MRI图像上进行训练.
- 使用AUC,准确性,精度,回忆和F1得分来评估模型性能,与其他DL模型相比.
主要成果:
- 与一般DL模型相比,CBAM-ResNeXt模型表现出更高的性能.
- 关键性能指标包括精度 (0.942),精度 (0.940),回忆 (0.928),F1得分 (0.934) 和AUC (0.953).
结论:
- 开发的深度学习模型显示了使用常规MRI诊断BS和TS的巨大潜力.
- 这种人工智能工具可以在临床实践中作为一种有价值的辅助工具,用于区分这两种普遍存在的脊髓感染.
