机器和深度学习模型用于带损伤识别:对成像和新型诊断技术的系统审查和元分析
Guillermo Droppelmann1, Emilia Varas2, Joaquín Villagrán2
1Clínica MEDS, Santiago, RM, Chile.
EFORT open reviews
|January 9, 2026
概括
机器学习和深度学习模型在诊断带损伤方面显示出高准确性. 这些人工智能工具可以帮助肌肉骨专家解释医疗图像并改善诊断结果.
科学领域:
- 肌肉骨成像技术 肌肉骨成像技术
- 医疗人工智能的人工智能
- 诊断准确性的研究研究.
背景情况:
- 由于缺乏标准化的协议,诊断带损伤具有挑战性.
- 机器学习 (ML) 和深度学习 (DL) 具有提高诊断精度的潜力.
研究的目的:
- 评估ML和DL模型的诊断性能,以识别带损伤.
- 在各种医学成像模式中评估这些模型.
主要方法:
- 根据PRISMA 2020指南进行了一项元分析.
- 搜索包括PubMed,SCOPUS,科学网和科克兰图书馆.
- 使用QUADAS-2和Robvis评估研究质量;使用R.的随机效应模型分析诊断性能指标.
主要成果:
- 从23项研究中分析了59个ML/DL算法,发现高聚合灵敏度 (0.890) 和特异性 (0.926).
- 阳性概率比率 (PLR),阴性概率比率 (NLR),诊断几率比率 (lnDOR) 和曲线下的面积 (AUC) 在统计学上显著 (P < 0.001).
结论:
- ML和DL模型显示了对带损伤的显著诊断准确性.
- 这些人工智能工具适合整合到临床实践中,以支持肌肉骨专家.
更多相关视频
06:27Author Spotlight: Investigating Early Events and Long-Term Effects of ACL Injuries for Osteoarthritis Progression
Published on: September 29, 2023
1.2K
06:28Anterior Cruciate Ligament Transection and Synovial Fluid Lavage in a Rodent Model to Study Joint Inflammation and Posttraumatic Osteoarthritis
Published on: September 2, 2025
1.1K
