梅斯医学MedSci APP
医路相伴,成就大医

Eur Radiol: 想准确地检出CT中的肋骨骨折,又不想看瞎眼,那有什么好办法吗?

Tags: CT   人工智能   肋骨骨折      作者:shaosai 更新:2021-01-19

     急诊胸部创伤患者做CT检查,简直是放射科医师永远的痛!虽说,胸部多层CT对肋骨骨折的检出、骨折数量及类型的诊断具有重要价值。然而,放射科医师在处理急诊创伤时需要对数百张薄层图像中的24根肋骨逐一、逐层的仔细观察,简直是要看瞎眼啊!同时,外伤患者往往会牵涉到赔偿鉴定中,稍不注意给漏诊了,那可是够倒霉的!

     要想准确地检出肋骨骨折,又不想看瞎眼,那有什么好办法吗?


     近日,Eur Radiol上发表的一篇名为Automatic detection and classification of rib fractures based on patients' CT images and clinical information via convolutional neural network的论文基于临床信息及CT图像开发了自动检出并分类肋骨骨折的卷积神经网络(CNN)模型。

     该项回顾性研究共收集了来自1020名参与者的CT图像和临床信息,包括年龄、性别以及病史,并将这些信息分为一个单中心训练集(n = 760;年龄:55.8±13.4岁;男性:500例)、一个单中心测试集(n = 134;年龄:53.1±14.3岁;男性:90)、以及来自两家不同医院的两个独立的多中心测试集(n = 62,年龄:57.97±11.88,男性:41; n = 64,年龄:57.40±13.36,男性:35)。使用Faster Region-based CNN(Faster R-CNN)模型整合CT图像和临床信息。然后,使用结果合并技术将2D推断转换为3D病变结果。根据受试者工作特性(ROC)曲线、自由响应ROC(fROC)曲线、精度、召回率(灵敏度)、F1得分和诊断时间评估诊断性能。根据ROC曲线下的面积(AUC)、敏感性和特异性评估分类性能。

图.模型I和模型I/T结构框架

     研究结果发现,与仅仅使用CT图像相比,将临床信息和CT图像结合时,CNN模型在诊断新鲜的、愈合的及陈旧性骨折上的诊断效果均得到提升,并且对所有三个类别均表现出良好的分类性能。与经验丰富的放射科医生相比,CNN模型具有更高的灵敏度(平均灵敏度:0.95> 0.77、0.89> 0.61和0.80> 0.55)、相当的精度(平均精度:0.91> 0.87、0.84> 0.77和0.95> 0.70)、以及更短的诊断时间(平均减少126.15 s)。

图.不同类型肋骨骨折在CT图像中的诊断结果

     本研究表明,结合了CT图像和临床信息的CNN模型可以自动检出并分类肋骨骨折,在实际临床实践中具有良好的j价值和可行性。


写在后面

      胸部创伤是急诊,尤其是夜班中常见的病种。放射科医师最基本要做的也是最繁琐的事就是诊断肋骨骨折。由于肋骨结构的曲度、数量及变异,对夜班医师来说是一件让人抓狂的工作。顶着惺忪模糊的睡眼,看着看着半小时,甚至一小时就过去了,看到睡意全无,看到待急诊病号的堆积如山。有了人工智能来辅助放射科医生进行肋骨骨折诊断,虽说不能如虎添翼,但也是让工作处理起来事半功倍!


原始出处:

Qing-Qing Zhou,Wen Tang,Jiashuo Wang,et al. Automatic detection and classification of rib fractures based on patients' CT images and clinical information via convolutional neural network. DOI:10.1007/s00330-020-07418-z

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