基于深度学习的地标检测模型用于多种脚形分类:双中心研究

科学领域:

• 医学成像分析分析 医学成像分析
• 医疗保健中的人工智能
• 骨科诊断器 骨科诊断器 骨科诊断器

背景情况:

• 手动诊断从X射线照片的脚形是劳动密集型,容易变化.
• 需要自动诊断工具来提高效率和一致性.

研究的目的:

• 引入一种基于热图中的热图 (HIH) 的新型模型,用于自动诊断脚部形.
• 为了评估HIH模型的性能,使用承重脚的X线图.

主要方法:

• 一个双中心的回顾性研究,涉及第一中心的1561张 (培训) 和374张 (验证) 图像,以及第二中心的527张用于外部验证的图像.
• 在前后 (AP) 和侧侧X射线图中使用预测地标之间的角度来诊断五脚形.
• 与基线模型的比较,FlatNet.

主要成果:

• 与FlatNet相比,HIH模型实现了更高的精度 (85.1%与78.9%相比),灵敏度 (84.1%与78.9%) 和特异性 (85.9%与79.0%相比).
• HIH显示出较低的错误率,更高的检测率,更快的处理速度和更少的参数.
• 强大的性能在内部和外部验证套件中得到证实.

结论:

• 热图中的热图 (HIH) 模型在多种足部形的自动诊断中显示出高效率.
• 这种人工智能驱动的方法对各种基于里程碑的医学成像任务具有前景.