基于深度学习的使用X射线成像诊断腰椎脊髓疏松症
Chunyang Xu1, Yukan Wu1, Beixi Bao1
1Department of Orthopedics, Beijing Tongren Hospital, Capital Medical University, Beijing 100730, China.
Diagnostics (Basel, Switzerland)
|August 28, 2025
概括
这项研究引入了一种AI深度学习模型,用于早期使用X射线检测腰椎脊髓溶解 (LS). 人工智能模型取得了很高的准确性, 在诊断这种常见的脊椎疾病方面超过了医生.
科学领域:
- 人工智能
- 医学成像
- 脊椎疾病
背景情况:
- 腰椎脊髓疏松症 (LS) 是一个常见的脊椎疾病,涉及脊椎的移位.
- 由于无症状的早期阶段,早期发现LS很困难.
- 人工智能提供了改善诊断能力的潜力.
研究的目的:
- 开发和验证人工智能深度学习模型,用于早期准确诊断LS.
- 使用腰部X射线图像进行LS识别和分类.
- 将AI模型的性能与现有方法和临床专家进行比较.
主要方法:
- 在3300张腰部X射线图像上训练了一个深度学习模型.
- 用语义细分来划分脊椎体.
- 使用梅尔丁分类来根据脊椎间距离对LS进行分类.
主要成果:
- 人工智能模型在内部和外部数据集上获得了高F1分 (0.92和0.91).
- 诊断准确率达到96. 1% (内部) 和94. 4% (外部).
- 该模型超过了医生的诊断准确率 (90.6%和89.3%).
结论:
- 开发的深度学习模型对于LS诊断是准确可靠的.
- 人工智能可用于早期的LS检测和改善临床决策.
- 进一步的研究包括数据集扩展和临床验证.
