一个软件程序Ofeye 3.0的开发和多中心验证,用于通过胸部/腹部CT图像进行全方位的自动脊椎骨折检测

科学领域:

• 放射学 放射学是一门学科.
• 医疗成像医学成像
• 人工智能在医学中的应用

背景情况:

• 脆弱性脊椎骨折 (VF) 在胸部/腹部CT扫描中经常被遗漏,当脊椎疾病不适合时.
• 这种监督阻止了对骨健康和骨折预防的及时干预.
• 在现有CT扫描上自动检测VF为改善患者护理提供了宝贵的机会.

研究的目的:

• 开发和验证一个软件程序用于使用现有的胸部和/或腹部CT扫描自动检测脆弱性脊椎骨折 (VF).
• 评估开发的软件在识别VF的性能,包括微妙的断裂.

主要方法:

• 开发了一种用于CT轴形图像的自动 sagittal Central Slab重建 (CSR) 方法.
• 使用深度学习模型 ("Ofeye 3.0") 在多中心CT数据 (3313个非VF,835个VF病例) 上进行训练,并在外部数据 (732个非VF,224个VF病例) 上进行验证.
• 定义了参考VF,包括那些<20%的身高损失和端板骨折,将它们与骨关节炎变化区分开来.

主要成果:

• 自动化的CSR方法增强了端板结构变化的可视化.
• 在胸部/腹部CT扫描上,Ofeye 3.0在检测VF方面取得了很高的性能:精度为0.967,灵敏度为0.906,特异性为0.986.
• 大多数错误分类涉及最小/轻度VF,图像工件或CSR图像中的外围发现.

结论:

• 开发的软件显示了高精度的自动化,全面的VF检测在胸部/腹部CT.
• 结果与现有的自动化VF检测模型相比较好.
• 将这种软件集成到实践中可以通过实现早期骨质疏松症管理和降低医疗保健成本来改善患者的治疗结果.