目的开发一种深度学习系统用于成人发育性髋关节发育不良(Developmental dysplasia of the hip,DDH)患者的Crowe分型辅助诊断,并且分析该系统对于帮助临床医学生掌握DDH分型的可行性。方法纳入149例X线片训练集、42例测试集以及21例验证...目的开发一种深度学习系统用于成人发育性髋关节发育不良(Developmental dysplasia of the hip,DDH)患者的Crowe分型辅助诊断,并且分析该系统对于帮助临床医学生掌握DDH分型的可行性。方法纳入149例X线片训练集、42例测试集以及21例验证集,分割盆骨、提取DDH局部图像块,将金标准结果与医学生、AI辅助医学生评估结果进行比较。结果测试集共纳入42例,其中女性30例,男性12例,年龄(69±12)岁,涉及发育不良髋关节67侧(左30侧,右37侧)。AI、医学生、AI辅助医学生评估结果与金标准的相关性为0.906[95%CI(0.850,0.941)]、0.823[95%CI(0.726,0.887)]、0.886[95%CI(0.821,0.929)];准确率分别为0.87、0.78、0.88;精确度分别为0.88、0.83、0.89;召回率分别为0.87、0.78、0.88;F1值分别为0.87、0.80、0.88。混淆矩阵和条件概率结果显示,预测准确率Ⅰ型DDH三组分别为0.98、0.88、0.96,Ⅱ型DDH三组分别为0.40、0.20、0.40,Ⅲ型DDH三组分别为0.56、0.67、0.78;Ⅳ型DDH三组分别为0.88、0.75、0.88。结论深度学习辅助诊断系统可以有效提高医学生对于DDH分型的评估能力,可作为医学生学习掌握DDH影像诊断的培训工具。展开更多
文摘目的开发一种深度学习系统用于成人发育性髋关节发育不良(Developmental dysplasia of the hip,DDH)患者的Crowe分型辅助诊断,并且分析该系统对于帮助临床医学生掌握DDH分型的可行性。方法纳入149例X线片训练集、42例测试集以及21例验证集,分割盆骨、提取DDH局部图像块,将金标准结果与医学生、AI辅助医学生评估结果进行比较。结果测试集共纳入42例,其中女性30例,男性12例,年龄(69±12)岁,涉及发育不良髋关节67侧(左30侧,右37侧)。AI、医学生、AI辅助医学生评估结果与金标准的相关性为0.906[95%CI(0.850,0.941)]、0.823[95%CI(0.726,0.887)]、0.886[95%CI(0.821,0.929)];准确率分别为0.87、0.78、0.88;精确度分别为0.88、0.83、0.89;召回率分别为0.87、0.78、0.88;F1值分别为0.87、0.80、0.88。混淆矩阵和条件概率结果显示,预测准确率Ⅰ型DDH三组分别为0.98、0.88、0.96,Ⅱ型DDH三组分别为0.40、0.20、0.40,Ⅲ型DDH三组分别为0.56、0.67、0.78;Ⅳ型DDH三组分别为0.88、0.75、0.88。结论深度学习辅助诊断系统可以有效提高医学生对于DDH分型的评估能力,可作为医学生学习掌握DDH影像诊断的培训工具。
