2019年6月6日(健康日新闻) - 根据一项公开的研究在线5月8日放射学:人工智能

方柳,博士,麦迪逊威斯康星大学医学院和公共卫生学院,同事制定了一个完全自动化的深度学习系统,使用两个深卷积神经网络隔离了MR图像上的ACL。深入学习方法用于回顾性地分析矢状质子密度加权和脂肪抑制的175个体中的膝关节的T2加权快速自旋回声MR图像,其具有完整厚度的ACL撕裂和175个具有完整ACL的175个个体。使用关节镜结果作为参考标准,测定ACL撕裂检测系统的敏感性和特异性和五位临床放射学家。

研究人员发现,在最佳阈值下,ACL撕裂检测系统的敏感性和特异性分别为0.96和0.96。相反,对于临床放射科医生,敏感性范围在0.96和0.98之间,而特异性从0.90到0.98变化。在P <0.05时,在ACL撕裂检测系统和临床放射科医师之间的诊断性能下没有观察到统计学显着差异。对于ACL撕裂检测系统,接收器操作特性曲线下的区域为0.98。

“在临床实践中可以在临床实践中实施之前,需要在进一步的技术开发和验证ACL撕裂检测系统中需要进行未来的工作,”作者写道。

两位作者向制药和医疗设备行业披露了财务关系。

摘要/全文(可能需要订阅或付款)
社论(可能需要订阅或付款)

版权所有©2019.健康天。版权所有。
健康天