用于细分和分类腰椎骨折的分析计算

科学领域:

• 医疗成像医学成像
• 脊柱诊断 脊柱诊断 脊柱诊断
• 医疗保健中的人工智能

背景情况:

• 腰椎健康对于整体身体功能至关重要.
• 腰椎骨折是由炎症和疾病引起的常见损伤.
• 准确诊断脊椎骨折对于有效治疗至关重要.

研究的目的:

• 开发一种用于细分腰椎体 (VB) 的自动化方法.
• 使用机器学习将细分的脊椎分类为正常或骨折.
• 为了提高腰部骨折检测的效率和准确性.

主要方法:

• 图像预处理和脊椎区域检测.
• 使用形状特征和形态操作进行细分.
• 基于灰度尺度,形状和纹理,使用k-最近邻居 (KNN) 和支向量机 (SVM) 进行分类.

主要成果:

• 在VB细分方面获得了95%的Dice平均得分.
• 对于正常与骨折的脊椎,达到97.01%的平均分类准确率.
• 在临床脊柱数据集上得到验证,显示出强大的性能.

结论:

• 拟议的自动化方法准确地细分和分类腰椎骨折.
• 机器学习技术有效地利用脊椎特征进行诊断.
• 这种方法为增强脊柱健康诊断提供了一个有前途的工具.