基于深度学习X线检查模型对踝关节骨折自动快速进行分型的相关研究

分析基于深度学习X线检查模型对踝关节骨折自动快速进行分型的效果。方法从医院收治的踝关节骨折患者中选择该研究对象,入院治疗时间在2021.06~2022.12,入选患者共100例,均接受X线检查、基于深度学习X线检查模型。使用Lauge-Hansen分型对踝关节骨折患者进行骨折分型,观察并对比深度学习X线检查模型的预测结果与术中分型结果。将术中分型结果作为参照标准,统计深度学习X线检查模型对踝关节骨折及分型的灵敏度、特异度、阳性预测值及阴性预测值。结果 在踝关节骨折检出率上,术中分型与深度学习X线检查模型对比存在差异(P<0.05);在PAB、PER、SAB及SER的检出率上,术中分型与深度学习X线检查模型对比无显著差异(P>0.05)。深度学习X线检查模型踝关节骨折的灵敏度、特异度、阳性预测值、阴性预测值分别为93.94%、100.00%、100.00%、14.29%,PAB分别为95.00%、98.75%、95.00%、98.75%,PER分别为92.59%、98.63%、96.15%、97.30%,SAB分别为93.33%、96.47%、82.35%、98.80%,SER分别为94.59%、98.41%、97.22%、96.88%。结论 基于深度学习X线检查模型用于踝关节骨折的效果显著,可快速对骨折分型,提高诊断的灵敏度和特异度,为踝关节骨折的诊断分型及后续治疗方案的制定提供参考,临床可进一步推广应用。