基于深度学习的自动诊断系统,用于部发育性形
Yang Li1,2, Leo Yan Li-Han3, Hua Tian1,2
1Department of OrthopedicsPeking University Third Hospital Beijing 100191 China.
概括
这项研究引入了一个人工智能系统,通过自动测量关键放射角度来诊断部发育性发育不良 (DDH). 与人类骨科医生相比,人工智能系统表现出卓越的准确性和一致性.
科学领域:
- 人工智能在医学中的应用
- 放射学 放射学是一门学科.
- 整形外科 整形外科 整形外科
背景情况:
- 部发育性形 (DDH) 的临床诊断依赖于从骨盆放射图中手动测量放射角度 (中心边缘,Tönnis,Sharp).
- 手动测量是耗时的,容易引起观察者之间的变化,影响诊断的准确性和一致性.
研究的目的:
- 开发和验证一个自动化的深度学习系统,用于在DDH诊断中准确和一致地测量关键放射角度.
- 创建一个新的数据驱动的评分系统,用于DDH的可解释和全面的诊断输出.
主要方法:
- 开发了一种端到端的深度学习模型,用于在盆腔放射图上检测关键点,以自动计算CE,Tönnis和Sharp角.
- 集成了一个数据驱动的评分系统,将角度测量结合到一个单一的诊断输出.
- 该系统的性能与一组骨科医生和个别角度标准进行了评估.
主要成果:
- 自动化系统在角度测量方面表现出很高的一致性,其类内相关系数为0.957 (CE),0.942 (Tönnis) 和0.966 (Sharp).
- 该系统实现了0.863的诊断F1得分,明显超过了整形医生组 (0.777) 和个别角度标准.
- 人工智能系统为DDH提供了可靠,一致和可解释的诊断输出.
结论:
- 开发的AI系统为DDH诊断中的自动辐射角度测量提供了可靠和一致的方法.
- 这种由人工智能驱动的工具提高了诊断准确度,与手工方法相比降低了可变性,为临床医生提供了更易于解释的解决方案.
- 该系统通过提高DDH诊断的一致性和可解释性,具有显著的临床影响.
