相关实验视频
Updated: Jan 11, 2026
07:30
3D Printing Model of a Patient's Specific Lumbar Vertebra
Published on: April 14, 2023
2.5K
使用深度学习模型在平坦的腰部X射线图上自动检测腰部神经过渡性脊椎
Donghyuk Kwak1, Du Hyun Ro1,2,3,4, Dong-Ho Kang1,5
1College of Medicine, Seoul National University, Seoul 03080, Republic of Korea.
Journal of clinical medicine
|November 13, 2025
概括
现在,人工智能模型可以在X射线上自动检测腰部神经过渡脊椎 (LSTV),提高诊断准确度. 这项技术有助于减少脊柱参数解释和LSTV病例的手术规划中的错误.
科学领域:
- 放射学 放射学是一门学科.
- 人工智能的人工智能
- 医疗成像医学成像
背景情况:
- 腰部神经过渡脊椎 (LSTV) 是一种常见的变体,具有不一致的放射识别.
- 不一致的LSTV检测可能导致背痛和手术错误等临床问题.
研究的目的:
- 开发和验证深度学习人工智能模型,用于在腰部X射线图上自动检测LSTV.
- 在临床实践中提高LSTV识别的准确性和可靠性.
主要方法:
- 对3116张腰部侧侧放射图进行了回顾性分析.
- 对于LSTV分类的深度学习模型 (DINOv2,CLIP,ResNet-50) 的评估.
- 使用五倍交叉验证选择并验证ResNet-50模型.
主要成果:
- 人工智能模型在独立测试组中实现了76.4%的准确度,85.1%的灵敏度和61.9%的特异性.
- 该模型显示AUC为0.84,正确识别了大多数LSTV和正常病例.
- 梯度加权类激活映射 (Grad-CAM) 用于模型解释性.
结论:
- 一个基于人工智能的系统在普通放射图上提供了精确的LSTV自动检测.
- 这种工具有可能减少诊断错误,并提高术前规划.
- 人工智能模型可以通过帮助正确的LSTV识别来提高患者的安全性.