Radiology:深度学习连骨龄都能测!

导语:脑网络深度学习模型能够评估骨成熟,并与专业放射科医生及当前自动处理模型具有相似的准确率。

来源:梅斯医学

本研究旨在比较基于手X线片进行骨龄深度学习评价模型与专业放射科医生、现存的自动模型评价骨成熟的价值,并将结果发表在Radiology上。

本研究共纳入了14036例临床手部X线片及相关报告来训练和验证模型。在测试组,包含了200例检查,平均骨龄评价来自于临床报告和3名阅片者的诊断结果,并作为参考标准。通过比较模型评估结果和参考标准结果的均方根(RMS)和平均绝对差(MAD)来评估整体模型效能。95%一致性范围由阅片者和模型中进行计算。

再次测试组包含了来自公共数字手部图谱中1377次检查的RMS与现存自动模型报告结果相比较。

结果为,模型和阅片者对骨龄评估的平均差异为0年,平均RMS和MAD分别为0.63、0.50年。模型、临床报告和三位阅片者的评估在95%一致性范围之内。数字手部图谱组的RMS为0.73年,而先前报告模型的RMS为0.63年。

本研究结果为,脑网络深度学习模型能够评估骨成熟,并与专业放射科医生及当前自动处理模型具有相似的准确率。

原始出处:

Larson DB, Chen MC, Lungren MP. et al.Performance of a Deep-Learning Neural Network Model in Assessing Skeletal Maturity on Pediatric Hand Radiographs.Radiology.DOI: 10.1148/radiol.2017170236

本文系梅斯医学(MedSci)原创编译整理,转载需授权!

  • 发表于:
  • 原文链接http://kuaibao.qq.com/s/20171223A0RBI300?refer=cp_1026
  • 腾讯「云+社区」是腾讯内容开放平台帐号(企鹅号)传播渠道之一,根据《腾讯内容开放平台服务协议》转载发布内容。
  • 如有侵权,请联系 yunjia_community@tencent.com 删除。

扫码关注云+社区

领取腾讯云代金券