梅斯医学MedSci APP
医路相伴,成就大医

Radiology:深度学习在髋关节骨性关节炎严重分级中的应用

Tags: 骨性关节炎   髋关节   深度学习      作者:shaosai 更新:2020-05-04

背景

骨性关节炎的结构评价主要依赖于放射科医生进行阅片诊断,利用多任务深度学习模型可能对大样本的研究有帮助。这样的模型需要在临床中进行验证。

目的

本研究旨在建立一个多任务深度学习模型来对髋关节平片根据髋关节骨性关节炎征象进行分级,并与放射科医生诊断结果进行比较。

材料与方法

本研究回顾性分析了受试者承重位骨盆前后位片进行髋关节评价。对患者在48个月后进行随访。根据骨性关节炎诊断标准,股骨骨赘(FO)、髋臼骨赘(AO)和髋关节间隙狭窄(JSN)分为无、轻度、重度和重度。软骨下硬化和软骨下囊肿分级为无或有。受试者分别被分为训练组80% (n = 3494)、验证组10% (n = 437)和测试组10% (n = 437)。多认为神经网络是基于DenseNet-161建立的,是利用多任务损失函数训练的共享卷积特征提取器建立的。利用统计学分析评估模型效能。

结果

共有4368例受试者纳入了研究。内部数据中评估FOs、AOs、JSN、软骨下硬化和软骨下囊性特征的准确性分别为86.7% (1333 of 1538) 、69.9% (1075 of 1538) 、81.7% (1257 of 1538) 、95.8% (1473 of 1538) 、97.6% (1501 of 1538)在外部数据中,评估FOs、AOs、JSN、软骨下硬化和软骨下囊性特征的准确性分别为82.7% (86 of 104) 、65.4% (68 of 104) 、80.8% (84 of 104) 、88.5% (92 of 104) 、91.3% (95 of 104)。

结论

多任务深度模型可用于评估平片髋关节骨性关节炎特征。

原始出处:

von Schacky CE, Sohn JH, Liu F .et al. Development and Validation of a Multitask Deep Learning Model for Severity Grading of Hip Osteoarthritis Features on Radiographs.DOI:10.1148/radiol.2020190925

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
小提示:本篇资讯需要登录阅读,点击跳转登录

相关推荐

移动应用
medsci.cn © 2020