基于深度学习的骨科疾病的图像查方面的进展:重点是骨质疏松症,关节炎和骨瘤
Tian-You Guo1, Jin-Hao Deng2, Zi-Meng Zhou2
1Department of Spine Surgery, Shenzhen Second People's Hospital, Shenzhen 518035, China; The First Affiliated Hospital of Anhui Medical University, Anhui Medical University, Hefei 230032, China; Department of Bone & Joint Surgery, Peking University Shenzhen Hospital, Shenzhen 518036, China; National & Local Joint Engineering Research Center of Orthopaedic Biomaterials, Peking University Shenzhen Hospital, Shenzhen 518036, China.
深度学习 (DL) 显示出从医学图像诊断骨科疾病的巨大前景,提高了准确性和患者的治疗结果. 在数据质量和用于广泛临床使用的验证方面仍然存在挑战.
科学领域:
- 整形外科成像 整形外科成像
- 医疗人工智能 医疗人工智能
- 深度学习应用程序
背景情况:
- 人工智能 (AI) 在医学上越来越重要.
- 深度学习 (DL) 是人工智能的核心技术,在骨科成像中广泛用于查.
- 应用包括图像分类,细分和骨科条件的风险预测.
研究的目的:
- 系统地审查近期在骨科成像中人工智能辅助诊断技术的进展.
- 突出DL在这个领域的实际价值和趋势.
- 总结骨科疾病DL的方法和临床应用.
主要方法:
- 在PubMed和Web of Science核心集合的文献搜索,搜索过去五年发表的研究.
- 专注于DL在查骨关节炎 (OA),骨质疏松症 (OP) 和骨瘤中的应用.
- 对研究进展,方法和临床应用进行系统审查.
主要成果:
- 基于DL的方法在骨科成像中表现出卓越的诊断性能.
- 对于DL在检测OA,OP和骨瘤等疾病方面存在显著的临床潜力.
- 研究成果迅速增加,表明越来越多的兴趣和发展.
结论:
- 在骨科成像中,DL对提高诊断准确性有很大的前景.
- 通过人工智能辅助诊断来改善患者的结果是一个关键的好处.
- 关键的挑战包括数据质量,模型通用性,标准化和多中心验证.
更多相关视频
04:48Application of Deep Learning-Based Medical Image Segmentation via Orbital Computed Tomography
Published on: November 30, 2022
07:12Semiautomated Longitudinal Microcomputed Tomography-based Quantitative Structural Analysis of a Nude Rat Osteoporosis-related Vertebral Fracture Model
Published on: September 28, 2017
