一个多模式的深度学习整体框架,用于构建脊柱外科手术选系统

科学领域:

• 医疗信息学 医疗信息学
• 医疗保健中的人工智能
• 脊柱外科手术决策支持

背景情况:

• 脊柱放射学报告和医生问卷对于诊断腰部和部疼痛至关重要.
• 目前的流程耗时,可能会推迟严重病例的治疗.

研究的目的:

• 开发一个整体框架,使用基于BERT的模型来分类患者对手术的需求.
• 提高脊柱疾病手术决策的效率.

主要方法:

• 用预先训练的基于BERT的模型来构建一个整体框架.
• 集成多种数据模式:放射学报告和医生问卷.
• 根据需要手术的可能性对患者进行分类.

主要成果:

• 与之前的研究相比,拟议的整体框架显示出更高的性能.
• 有效地整合来自不同数据源的信息.
• 展示了加速外科推的潜力.

结论:

• 开发的框架提供了一个有价值的工具,以协助医生在脊椎疾病的手术决策.
• 突出了人工智能在处理临床应用的多模式数据中的有效性.
• 建议在脊柱疼痛管理中采取更及时的干预措施.