基于X射线的深度学习模型的诊断性能,用于检测脚和脚骨折:系统性审查和元分析
Mohammad-Taha Pahlevan-Fallahy1, Nasim Hosseinzadeh1, Farhad Shaker1
1School of Medicine, Tehran University of Medical Sciences, Tehran, Iran.
Skeletal radiology
|November 18, 2025
概括
深度学习模型在使用X射线检测脚和脚骨折时显示出高准确度. 这些人工智能工具为下肢骨折提供了精确的诊断方法,帮助弱势群体.
科学领域:
- 医疗成像医学成像
- 人工智能在医学中的应用
- 骨科诊断器 骨科诊断器 骨科诊断器
背景情况:
- 下肢骨折,特别是脚和脚部骨折,对健康造成重大负担,特别是对弱势群体.
- 及时和准确的诊断对于有效的管理和改善患者结果至关重要.
- 深度学习 (DL) 与医学成像技术的整合显示出提高诊断准确性的前景.
研究的目的:
- 评估人工智能 (AI) 模型的诊断准确性,使用X射线图像检测脚和脚骨折.
- 调查影响这些AI模型在骨折检测中的表现的因素.
主要方法:
- 在四个数据库中进行了系统的文献搜索,截至2025年9月30日.
- 包括使用DL模型通过X射线检测脚和脚骨折的研究.
- 在选择的研究中,使用双变随机效应模型进行了元分析.
主要成果:
- 该元分析包括506项审查的研究中的14项研究,显示DL模型的累积灵敏度为93.2%和特异性为94.5%.
- 聚合F1得分为0.94;在多视图和单视图X射线之间没有观察到显著的性能差异.
- 与一般脚或脚骨折模型相比,骨骨折模型表现出更高的性能 (灵敏度95.1%,特异性98.3%).
结论:
- 深度学习模型在通过X射线成像检测脚和脚骨折方面表现出显著的准确性.
- 建议进行进一步的研究,包括更大的样本大小,外部验证和临床实施.
- 人工智能辅助的骨折检测有可能提高骨科环境中的诊断效率和患者护理.
