一个全面的深度学习方法,以改善X射线图像上的色体检测
Ayhan Aydin1, Caner Ozcan2, Safak Aydın Simsek3
1Faculty of Engineering, Ondokuz Mayis University, 55200, Atakum, Samsun, Turkey. Ayhan.aydin@omu.edu.tr.
Scientific reports
|August 20, 2025
概括
这项研究引入了一种先进的AI方法,用于在X射线图像中检测一种良性骨瘤 - - 骨瘤. 人工智能实现了高精度,为骨科专家在诊断骨疾病方面提供了有前途的工具.
科学领域:
- 整形瘤学 整形瘤学
- 医学成像分析 医学成像分析
- 人工智能在医学中的应用
背景情况:
- 染色体是源于髓腔的良性质软骨瘤.
- 临床表现因病变大小,位置和放射特征而异.
- 准确和及时的诊断对于患者管理至关重要.
研究的目的:
- 开发和验证一个人工智能驱动的物体检测系统,用于识别骨X射线中的体瘤.
- 为骨科瘤专家提供初步数据和创新的诊断方法.
- 评估先进的深度学习算法在检测骨瘤方面的性能.
主要方法:
- 在道德认可下,获取和预处理真正的患者X射线放射图.
- 骨科瘤专家对图像进行注释.
- 训练和优化各种深度学习架构用于对象检测.
- 严格的交叉验证和监督所有处理步骤.
主要成果:
- 通过使用物体检测算法成功识别了骨组织中状瘤的形成.
- 实现了0.97的平均精度和0.98.98的准确率.
- 结果得到了医疗专业人员的证实,表明其可靠性很高.
结论:
- 开发的人工智能系统在检测骨X射线影像中状瘤方面表现出高效.
- 这种方法为专家提供了一种新且有效的初步洞察方法.
- 计划进行一项更大规模的综合性研究,使用1055名患者的数据,以进一步验证这些发现.


