深度学习算法用于识别骨质疏松症/骨质疏松症,使用宫放射学
Koji Tamai1, Keiho Imanishi2, Masaki Terakawa3
1Department of Orthopedics, Osaka Metropolitan University Graduate School of Medicine, 1-5-7, Asahimachi, Abenoku, Osaka City, Osaka, Japan. koji.tamai.707@gmail.com.
Scientific reports
|July 12, 2025
概括
一个新的深度学习算法从椎X射线中准确地检测骨质疏松症,超过了脊椎外科医生. 这种人工智能工具有助于预防宫病患者的脆弱性骨折.
科学领域:
- 放射学 放射学是一门学科.
- 人工智能的人工智能
- 整形外科 整形外科 整形外科
背景情况:
- 患有宫疾病的患者,包括退行性宫骨髓病,面临高风险的跌倒和脆弱性骨折.
- 骨质疏松症的管理对于预防这种患者群体中骨折至关重要.
研究的目的:
- 为了评估深度学习算法的有效性在诊断骨质疏松症/骨质疏松症使用宫放射.
- 为了比较这个算法的诊断准确性与脊柱外科医生.
主要方法:
- 开发了一个卷积神经网络模型,从宫放射图中检测骨质疏松症指标 (T-score <-1.0).
- 该算法在200个样本上进行了训练,并在一个由30个样本组成的独立测试集上进行了验证.
- 在算法和九名脊椎外科医生之间比较了诊断性能.
主要成果:
- 深度学习算法实现了诊断准确度,灵敏度和特异性分别为0.800,0.818和0.750.
- 该算法的正确诊断率 (80.0%) 显著高于脊椎外科医生 (60.6%;p=0.032).
结论:
- 与人类专家相比,深度学习算法通过宫放射检测骨质疏松症的诊断收益率更高.
- 这种人工智能方法为早期发现骨质疏松症和预防宫病患者骨折提供了有希望的策略.


