一种多式深度学习放射学模型,用于预测关节镜术后退行性阴囊撕裂
Yao He1,2,3,4, Jiaying Wei2,3,4, Yinsong Sun2,3,4
1Department of Orthopedics, Banan Hospital of Chongqing Medical University, Chongqing, China.
PloS one
|August 13, 2025
概括
一个新的多式深度学习放射学 (MDLR) 模型整合了MRI数据和临床因素,以预测退行性阴茎撕裂的关节镜部分阴茎切除术后的结果. 这种工具可以提高预后准确性,帮助临床决策对患者的护理.
科学领域:
- 整形外科 整形外科 整形外科
- 放射学 放射学是一门学科.
- 人工智能的人工智能
背景情况:
- 退行性半径撕裂通常与骨关节炎并存,在关节镜部分半径切除术 (APM) 后使预后复杂化.
- 由于这些并发症,预测患者在APM后的结果具有挑战性.
研究的目的:
- 开发和验证一个多式联络深度学习放射学 (MDLR) 模型.
- 将MRI的深度学习放射学 (DLR) 评分与临床变量相结合,以提高预后准确性.
主要方法:
- 452名因退行性阴茎撕裂而接受APM的患者的回顾性招募 (2020年2月 - 2022年2月).
- 从膝盖MRI扫描中提取DLR特征.
- 开发一个包含DLR特征和临床变量用于预后风险分层的MDLR模型.
主要成果:
- 一个独立的DLR模型显示了有限的预测性能 (ROC曲线在0.720-0.780之间).
- 多变量分析确定了关键预后指标:性别,身高,体重,疼痛持续时间,ESR和VAS.
- 集成的MDLR模型,特别是使用光梯度提升机,显著提高了性能 (ROC曲线高达0.951),并将患者分为四个预后水平.
结论:
- 开发的MDLR工具有效地对退行性半月体撕裂患者APM的预后进行了分层.
- 疼痛恶化时间是MDLR模型确定的一个关键预后因素.
- MDLR显示出有很大的潜力,可以帮助医生制定治疗决策和监测策略.
更多相关视频
07:32Standardized Histomorphometric Evaluation of Osteoarthritis in a Surgical Mouse Model
Published on: May 6, 2020
12.4K
06:41Anterior Cruciate Ligament Transection and Synovial Fluid Lavage in a Rodent Model to Study Joint Inflammation and Posttraumatic Osteoarthritis
Published on: September 2, 2025
33