在骨科医学成像中基于深度学习的异常检测:一个系统的文献审查
Nabila Ounasser1, Maryem Rhanoui2, Mounia Mikram3
1IMS Team, ADMIR Laboratory, Rabat IT Center, ENSIAS, Mohammed V University in Rabat, Morocco.
Journal of orthopaedics
|September 2, 2025
概括
深度学习 (DL) 在骨科诊断中表现有前途,卷积神经网络 (CNN) 和生成对抗网络 (GAN) 改善骨折检测. 需要对罕见病态和临床整合进行进一步的研究.
科学领域:
- 骨科诊断
- 医学成像
- 医疗保健中的人工智能
背景情况:
- 深度学习正在改变医学成像分析.
- 骨科诊断对自动化分析提出了独特的挑战.
- 现有的方法与微妙的异常和各种病态作斗争.
研究的目的:
- 在骨科诊断中系统地审查DL的应用,特别是CNN和GAN.
- 分析骨科异常检测的DL模型的方法,数据集和性能.
- 确定骨科中DL的局限性和未来研究方向.
主要方法:
- 对63项同行评审研究进行系统审查 (2017-2025年).
- 分析重点是DL技术 (CNN,GAN),骨科条件 (骨折,形) 和性能指标.
- 评估现有的DL应用的临床相关性和局限性.
主要成果:
- 在使用DL的骨折分类和脊椎标签方面观察到显著的进步.
- DL模型显示了检测各种骨科异常的潜力.
- 在诊断微妙的形和罕见的病态方面仍然存在挑战.
结论:
- DL,特别是CNN和GAN,为提高骨科诊断准确性提供了巨大的潜力.
- 局限性包括小型数据集,缺乏外部验证,以及罕见疾病的挑战.
- 未来的工作应该集中在具有多样性数据和改进异常检测的强大,临床集成的DL工具上.
