<rp id="2mcjt"><nav id="2mcjt"><delect id="2mcjt"></delect></nav></rp><cite id="2mcjt"><pre id="2mcjt"></pre></cite>
        1. <listing id="2mcjt"><s id="2mcjt"></s></listing>

          急診

          Eur Radiol: 想準確地檢出CT中的肋骨骨折,又不想看瞎眼,那有什么好辦法嗎?

          作者:shaosai 來源:MedSci梅斯 日期:2021-03-23
          導讀

                   Eur Radiol: 想準確地檢出CT中的肋骨骨折,又不想看瞎眼,那有什么好辦法嗎?

          關鍵字:  CT | 人工智能 | 肋骨骨折 

                  急診胸部創傷患者做CT檢查,簡直是放射科醫師永遠的痛!雖說,胸部多層CT對肋骨骨折的檢出、骨折數量及類型的診斷具有重要價值。然而,放射科醫師在處理急診創傷時需要對數百張薄層圖像中的24根肋骨逐一、逐層的仔細觀察,簡直是要看瞎眼啊!同時,外傷患者往往會牽涉到賠償鑒定中,稍不注意給漏診了,那可是夠倒霉的!

                  要想準確地檢出肋骨骨折,又不想看瞎眼,那有什么好辦法嗎?

                  近日,Eur Radiol上發表的一篇名為Automatic detection and classification of rib fractures based on patients' CT images and clinical information via convolutional neural network的論文基于臨床信息及CT圖像開發了自動檢出并分類肋骨骨折的卷積神經網絡(CNN)模型。

                  該項回顧性研究共收集了來自1020名參與者的CT圖像和臨床信息,包括年齡、性別以及病史,并將這些信息分為一個單中心訓練集(n = 760;年齡:55.8±13.4歲;男性:500例)、一個單中心測試集(n = 134;年齡:53.1±14.3歲;男性:90)、以及來自兩家不同醫院的兩個獨立的多中心測試集(n = 62,年齡:57.97±11.88,男性:41; n = 64,年齡:57.40±13.36,男性:35)。使用Faster Region-based CNN(Faster R-CNN)模型整合CT圖像和臨床信息。然后,使用結果合并技術將2D推斷轉換為3D病變結果。根據受試者工作特性(ROC)曲線、自由響應ROC(fROC)曲線、精度、召回率(靈敏度)、F1得分和診斷時間評估診斷性能。根據ROC曲線下的面積(AUC)、敏感性和特異性評估分類性能。

                  圖.模型I和模型I/T結構框架

                  研究結果發現,與僅僅使用CT圖像相比,將臨床信息和CT圖像結合時,CNN模型在診斷新鮮的、愈合的及陳舊性骨折上的診斷效果均得到提升,并且對所有三個類別均表現出良好的分類性能。與經驗豐富的放射科醫生相比,CNN模型具有更高的靈敏度(平均靈敏度:0.95> 0.77、0.89> 0.61和0.80> 0.55)、相當的精度(平均精度:0.91> 0.87、0.84> 0.77和0.95> 0.70)、以及更短的診斷時間(平均減少126.15 s)。

                  圖.不同類型肋骨骨折在CT圖像中的診斷結果

                  本研究表明,結合了CT圖像和臨床信息的CNN模型可以自動檢出并分類肋骨骨折,在實際臨床實踐中具有良好的j價值和可行性。

                  寫在后面

                  胸部創傷是急診,尤其是夜班中常見的病種。放射科醫師最基本要做的也是最繁瑣的事就是診斷肋骨骨折。由于肋骨結構的曲度、數量及變異,對夜班醫師來說是一件讓人抓狂的工作。頂著惺忪模糊的睡眼,看著看著半小時,甚至一小時就過去了,看到睡意全無,看到待急診病號的堆積如山。有了人工智能來輔助放射科醫生進行肋骨骨折診斷,雖說不能如虎添翼,但也是讓工作處理起來事半功倍!

                  原始出處:

                  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

          分享:

          評論

          我要跟帖
          發表
          回復 小鴨梨
          發表

          copyright©醫學論壇網 版權所有,未經許可不得復制、轉載或鏡像

          京ICP證120392號  京公網安備110105007198  京ICP備10215607號-1  互聯網藥品信息服務資格證書:(京)-非經營性-2017-0056
          //站內統計 //百度統計 //谷歌統計 //站長統計
          *我要反饋: 姓    名: 郵    箱:
          TV人之初午夜精品视频,男女猛烈无遮挡免费视频,日日天日日夜日日摸 <蜘蛛词>| <蜘蛛词>| <蜘蛛词>| <蜘蛛词>| <蜘蛛词>| <蜘蛛词>| <蜘蛛词>| <蜘蛛词>| <蜘蛛词>| <蜘蛛词>| <蜘蛛词>| <蜘蛛词>| <蜘蛛词>| <蜘蛛词>| <蜘蛛词>| <蜘蛛词>| <蜘蛛词>| <蜘蛛词>| <蜘蛛词>| <蜘蛛词>| <蜘蛛词>| <蜘蛛词>| <蜘蛛词>| <蜘蛛词>| <蜘蛛词>| <蜘蛛词>| <蜘蛛词>| <蜘蛛词>| <蜘蛛词>| <蜘蛛词>| <蜘蛛词>| <蜘蛛词>| <蜘蛛词>| <蜘蛛词>| <蜘蛛词>| <蜘蛛词>| <蜘蛛词>| <蜘蛛词>| <蜘蛛词>| <蜘蛛词>| <蜘蛛词>| <文本链> <文本链> <文本链> <文本链> <文本链> <文本链>