基于深度学习的人工智能软件在肋骨新鲜骨折CT诊断中的应用价值

【目的】探讨基于深度学习的人工智能(AI)软件在肋骨新鲜骨折CT诊断中的应用价值。【方法】选择2022年6月至2023年9月本院收治的符合标准的259例新鲜骨折患者,将其影像学资料导入AI软件工作站,以放射科一位工作8年的主治医师及AI软件诊断肋骨骨折情况进行分组,A组为AI软件单独诊断,B组为医师单独诊断,AB组为医师联合AI软件诊断。分别记录三组的骨折病灶数量、部位、分型,将三组结果与参考标准进行分析,比较三组骨折检出的敏感度、误诊率、不完全性骨折检出率,比较B组、AB组平均诊断时间。【结果】259例患者共563处骨折,完全性骨折385处,不完全性骨折178处。A组、B组、AB组骨折检出的敏感度分别为91.47%、83.13%、92.54%,三组敏感度比较,差异有统计学意义(P<0.05)。A组、AB组骨折检出的敏感度均高于B组,差异有统计学意义(P<0.05)。A组、B组、AB组的误诊率分别为20.03%、13.17%、12.58%,三组误诊率比较,差异有统计学意义(P<0.05)。A组误诊率最高,显著高于B组、AB组,差异有统计学意义(均P<0.05)。A组、B组、AB组的不完全性骨折的检出率分别为75.28%、50.56%、76.40%,三组比较,差异有统计学意义(P<0.05)。AB组平均诊断时间短于B组,差异有统计学意义(P<0.05)。【结论】医师与AI共同诊断提高了肋骨新鲜骨折检出的敏感度,主要体现在不完全性骨折的检出率上,还可明显缩短诊断时间,提高工作效率。

肋骨骨折影像学在法医鉴定中的应用探究

目的在法医鉴定中,对肋骨骨折影像学的应用探究。方法根据肋骨骨折影响学在法医鉴定中的实际应用进行优点与不足方面的研究,对漏诊、误诊情况发生的原因进行分析,为制定解决方案提供参考依据。结果根据当前肋骨骨折临床治疗时,采用的各种影像学检验技术进行探讨,认识到检验技术的优势与缺陷进行,并采用有效措施进行改进,确保对肋骨骨折情况的检测真实、准确,提高法医鉴定的可信度。结论肋骨骨折影像学的检验技术水平直接影响到法医鉴定的可信度,因此,加强肋骨骨折影像学检验技术水平的提升十分重要。