通过基于X射线的检测和细分来跟踪良性骨瘤的时间进展
Se-Yeol Rhyou1,2, Chohee Bang3, Yong Jin Cho4
1Department of Electrical and Computer Engineering, College of Information and Communication Engineering, Sungkyunkwan University, Suwon, 440-746, South Korea.
Scientific reports
|November 11, 2025
概括
这项研究介绍了FusionX-BBTNet,这是一个人工智能工具,用于在X射线中自动分析良性骨瘤 (BBTs). 它准确地测量瘤大小和形状的变化随着时间的推移,帮助临床决策.
科学领域:
- 医疗成像医学成像
- 人工智能的人工智能
- 在瘤学瘤学.
背景情况:
- 射线成像对于诊断骨瘤至关重要,但缺乏客观的纵向分析.
- 手动评估瘤大小和形状的进展是主观的,耗时的.
研究的目的:
- 开发一个自动化的深度学习框架,FusionX-BBTNet,用于分析X射线图像中的良性骨瘤 (BBTs).
- 为了能够对BBT尺寸和形状的进展进行定量和时间顺序的评估.
主要方法:
- FusionX-BBTNet集成了YOLO对象检测和U-Net细分,用于自动化的BBT检测和细分.
- 一个新的波形增强数据集提高了轮精度,一个OCR模块提取了用于真实世界测量的尺度条.
- 基于中枢点的对齐可视化了随着时间的推移瘤大小和区域的变化.
主要成果:
- 该框架在466张专家注释的X射线上实现了高性能,平均IOU为0.9376,边界F1得分为0.9827 .
- 证明了瘤大小和毫米面积的自动量化.
- 该系统为临床决策支持提供直观的形状和面积比较.
结论:
- FusionX-BBTNet提供了一种可靠的自动化解决方案,用于从X射线图像中对良性骨瘤进行纵向分析.
- 这种人工智能驱动的方法可以提高诊断效率,并补充专家的解释,特别是在资源有限的环境中.
