首页>数码 >内容

人工智能对儿童肘关节异常的分类准确率为88%

数码2021-08-22 16:02:25
最佳答案根据《放射学:人工智能》发表的一项新研究,深度学习模型可以在创伤X线片上对儿童急性和非急性肘关节异常进行分类,准确率为88%。医学博士

根据《放射学:人工智能》发表的一项新研究,深度学习模型可以在创伤X线片上对儿童急性和非急性肘关节异常进行分类,准确率为88%。

AI对小儿肘关节异常的分类准确度达88

医学博士杰西c拉扬(Jesse C. Rayan)写道:“在大量没有训练有素的现场放射科医生的急诊科或急救中心,迫切需要快速、正确地分流患者进行骨科评估或出院。”马萨诸塞州总医院的同事。“在没有与训练有素的儿科放射科医生直接接触的情况下,肘部畸形的两种识别有可能简化即时医学分类。”

AI对小儿肘关节异常的分类准确度达88

Rayan和他的同事试图确定使用深度学习的多视图方法在X线片上解决儿童肘部异常的可行性,这类似于放射科医生在工作站上查看多个图像的方式。

Rayan和他的同事写道:“据我们所知,到目前为止,还没有研究将[卷积神经网络](CNN)用于儿童肘关节检查,并且已经测试了区分异常和正常生长中心的能力。

雷安等。研究人员在2014年1月至2017年12月的四年中进行了21456项放射学研究,包括超过58000张肘部图像。

根据二项式分类,将研究分为急性或亚急性创伤异常阳性或阴性,然后将其随机分为包含20,350项研究的训练集和包含1,106项研究的验证集。研究人员将卷积神经网络和递归神经网络相结合来解释三张x光照片的整个系列。

AI对小儿肘关节异常的分类准确度达88

研究人员写道:“通过深度学习,已经成功识别出骨骼发育不良和骨骼发育不良的未成熟患者的骨折,这些骨骼发育的开放性不同于真正的异常。”

研究人员发现,他们的深度学习模型可以以88%的准确率、91%的灵敏度和84%的特异性检测异常。人工智能遗漏了以下例外:

241例中,1例骨折。

1例外侧突骨折88例。

77例中,15例肘关节腔积液,无骨折。

184例中有37例其他异常。

研究人员指出,他们的AI可以根据二项式分类有效地对创伤儿童肘部X线检查的急性和非急性发现进行分类。此外,他们的方法是独特的,因为他们应用递归神经网络来分类整个射线照相系列,而不是分类单个射线照相图像。

该模型可以根据所有视图进行决策,类似于人类放射科医生的模型,并将通过进一步修改进行改进。

免责声明:本文由用户上传,如有侵权请联系删除!