使用机器学习分析小儿前臂X射线进行骨折分析
Van Lam1, Abhijeet Parida2, Sarah Dance2
1Sheikh Zayed Institute for Pediatric Surgical Innovation, Children's National Hospital, Washington, DC, USA. vklam@childrensnational.org.
概括
这项研究开发了一种机器学习模型,以帮助诊断儿科前臂骨折. 人工智能工具有助于缺乏专门的骨科专业知识的中心,提高治疗准确性和减少转移.
科学领域:
- 整形外科手术 整形外科手术
- 人工智能的人工智能
- 医学成像分析 医学成像分析
背景情况:
- 儿童前臂骨折在急诊室很常见.
- 目前的治疗挑战包括专业儿科护理的资源限制,导致延迟和并发症.
- 需要工具来支持非专业中心在管理这些骨折.
研究的目的:
- 开发一种机器学习 (ML) 模型,用于分析儿科前臂骨折.
- 帮助缺乏儿科骨科手术专业知识的临床中心.
- 提高骨折诊断和治疗规划的准确性和效率.
主要方法:
- 从1250名儿童的精选和预处理的X射线扫描.
- 微调的ML模型使用自主监督学习与视觉转换器骨干.
- 使用感兴趣区域 (ROI) 检测,以确定分析的关键断裂区域.
主要成果:
- 机器学习模型与ROI识别进行了微调,实现了高性能.
- 实现了0.79的真正阳性率 (TPR) 和0.74.7的真负率 (TNR).
- 在测试数据上表现出强大的分类性能,AUROC为0.81和AUPR为0.86.
结论:
- 机器学习模型可用于预测儿科前臂骨折的适当治疗.
- 开发的算法显示了作为非专业骨科提供者的决策支持工具的潜力.
- 进一步的改进可以提高诊断和治疗辅助能力.
