对不同人工智能骨龄评估软件的解释结果进行比较研究

科学领域:

• 儿科内分泌学 儿科内分泌学
• 医学成像分析分析 医学成像分析
• 医疗保健中的人工智能

背景情况:

• 骨龄评估对于评估儿童的生长和发育至关重要.
• 坦纳-怀特希尔3 (TW3) 方法是广泛使用的骨年龄评估标准.
• 人工智能 (AI) 的进步为骨年龄评估的准确性和效率提供了潜在的改进.

研究的目的:

• 使用TW3方法比较不同AI骨龄评估软件的解释结果.
• 评估各种人工智能工具的预测准确性和可靠性与参考标准对比.

主要方法:

• 在3至17岁的儿童中,使用五种方法获得了骨龄读数:参考TW3,YIZHUN-TW3,LIANYING-TW3,AIBAA-TW3和手动TW3.
• 统计分析包括计算平均值,标准偏差,用于预测准确性的线性回归,以及用于评估一致性的布兰德-阿尔特曼图.

主要成果:

• 益顺-TW3和宁-TW3的预测准确度非常高 (R平方0.9861),显著超过了AIBAA-TW3 (R平方0.9591) 和手动-TW3 (R平方0.9732).
• AIBAA-TW3始终低估了骨年龄,特别是在青少年中,平均差异为-0.6928年.
• 线性回归分析证实了 YIZHUN-TW3 和 LIANYING-TW3 的统计优势 (p < 0.001).

结论:

• YIZHUN-TW3和LIANYING-TW3是高度准确和可靠的AI方法来评估骨年龄.
• 尽管AIBAA-TW3方法具有强大的预测能力,但由于持续低估,需要重新校准.