本研究旨在验证利用深度学习方法在MR膝关节图像中检出软骨病变(包括软骨软化、软骨纤维化、软骨开裂、局部缺损、软骨退变导致的弥漫性变薄和急性软骨损伤)的可能性。
本研究利用分割和分级卷积神经网络(CNNs)生成全自动基于深度学习软骨病变
诊断系统。本研究共纳入了175例有关节痛患者的T2加权快速反转回波MRI数据,利用深度学习方法进行回顾性分析。在股骨和胫骨关节表面置放17395处分析框,以两位骨肌放射学医师评价有无关节软骨病变为参考标准进行云联CNN分级。利用ROC分析和κ统计评价关节软骨病变
诊断系统检出软骨病变的诊断价值和组间一致性。
结果为,根据约登指数在最佳截断值时关节软骨病变诊断系统的敏感性和特异性分别为84.1%、85.2%(评价1),80.5% and 87.9%(评价2)。ROC曲线下面积分别为0.917(评价1)、0.914 (评价2),表明具有较高的诊断价值。两位评价结果具有较搞一致性,κ值为0.76。
本研究表明,利用全自动基于深度学习软骨病变诊断系统能够在MR膝关节图像中检出软骨病变膝关节软病变,并对检出关节退变和急性软骨损伤具有较高诊断价值和较好组间一致性。
原始出处:
本文系梅斯医学(MedSci)原创编译整理,转载需授权!
来源:MedSci原创
版权声明:
本网站所有注明“来源:梅斯医学”或“来源:MedSci原创”的文字、图片和音视频资料,版权均属于梅斯医学所有,非经授权,任何媒体、网站或个人不得转载,授权转载时须注明“来源:梅斯医学”。本网所有转载文章系出于传递更多信息之目的,且明确注明来源和作者,不希望被转载的媒体或个人可与我们联系,我们将立即进行删除处理。同时转载内容不代表本站立场。
在此留言