使用深度学习模型自动测量形角:与不同专业知识的外科医生进行验证和比较
Qiong Wang1,2, Jun-Hu Wang1,2, Dong-Dong Ji3
1Foot and Ankle Surgery Department, Honghui Hospital, Xi'an Jiaotong University, No. 76 Nanguo Road, Xi'an, 710054, People's Republic of China.
Scientific reports
|March 6, 2026
概括
一个新的深度学习模型准确地从放射图中测量角 (HVA) 和间角 (IMA),为手术医生手工测量提供了更快,更可靠的替代方案.
科学领域:
- 整形外科 整形外科 整形外科
- 医疗成像医学成像
- 人工智能的人工智能
背景情况:
- 形 (HV) 评估通常涉及手动测量形角 (HVA) 和间角 (IMA) 在承重型放射图上.
- 手动测量容易导致观测者内部和观测者之间的显著变化,并且耗费大量时间.
- 现有的深度学习 (DL) 研究往往缺乏对照组和与不同外科医生经验水平的比较.
研究的目的:
- 开发和评估用于自动测量HVA和IMA的DL模型.
- 为了比较DL模型的准确性和效率与经验丰富的足外科医生的手动测量.
- 为了评估模型的表现在两种类型的和控制患者群体.
主要方法:
- 开发了一个DL模型,使用UNet++与MobileNetV2骨干,用于骨轴细分.
- 整合了线性回归模块来预测HVA和IMA.
- 该模型在2,124名参与者 (1,920名HV,548名对照者) 的2,468张承重放射图的数据集上进行了训练和验证.
主要成果:
- DL模型实现了高可靠性,HVA和IMA的HV和对照组的类内相关系数 (ICC) 从0.821到0.902不等.
- 与外科医生相比,该模型在间角 (IMA) 测量方面表现优异,平均绝对误差较低,异常值较少.
- 自动测量时间显著缩短至0.13秒/X光照相,而手动测量时间为1.8-2.6分钟.
结论:
- 开发的DL模型自动化了HVA和IMA测量,其准确性和可靠性与经验丰富的外科医生相美.
- 该模型为光的放射性评估提供了显著的效率改进.
- 不同患者群体的一致表现表明临床整合的潜力,等待外部验证.
