自动诊断风湿性关节炎从人工智能手部放射图:一个回顾性研究
Dilber Çetintaş1, Gülhan Kılıçarslan2, Türkan Tuncer3
1Department of Computer Engineering, Faculty of Engineering and Natural Sciences, University of Malatya Turgut Özal, Malatya, Türkiye.
概括
这项研究开发了一种基于注意力的深度学习模型,用于从放射图中诊断类风湿性关节炎 (RA). 该模型实现了高准确性,为客观的关节疾病评估提供了可靠的工具,即使数据有限.
科学领域:
- 医疗成像医学成像
- 人工智能的人工智能
- 类风湿病学 类风湿病学
背景情况:
- 类风湿性关节炎 (RA) 是一种慢性炎症疾病,影响手和手腕关节,导致疼痛和残疾.
- 目前对RA诊断的放射性评估是主观的,并严重依赖临床医生的专业知识.
- 深度学习为客观,一致和高效地评估放射变化提供了潜力.
研究的目的:
- 开发一种以注意力为基础的深度学习模型,用于使用手和手腕X射线图进行类风湿性关节炎自动诊断.
- 评估模型的诊断性能,特别是使用有限的数据集.
- 证明客观和一致的RA评估的潜力.
主要方法:
- 一项回顾性观察性研究分析了311名RA患者和259名对照者的放射图.
- 将DenseNet121和DenseNet169架构与注意力机制相结合.
- 用数据增强和注意力建模来提高有限数据集的稳定性.
主要成果:
- 基于注意力的深度学习模型实现了88%的准确性,84%的精度和91%的回忆.
- 该模型表现出强大的诊断能力,尽管训练数据有限.
- 最初的临床测试表明,该模型可以帮助放射科医生进行一致的客观评估.
结论:
- 基于注意力的深度学习方法显示出有效,可靠和高效的自动化RA诊断的希望.
- 具有有限数据的高性能表明临床采用潜力,特别是在资源有限的环境中.
- 该模型可以作为一个有价值的工具,以支持放射科医生诊断类风湿性关节炎.
