Radiology：深度学习在髋关节骨性关节炎严重分级中的应用
2020-05-04 shaosai MedSci原创
骨性关节炎的结构评价主要依赖于放射科医生进行阅片诊断，利用多任务深度学习模型可能对大样本的研究有帮助。这样的模型需要在临床中进行验证。
背景
骨性关节炎的结构评价主要依赖于放射科医生进行阅片诊断，利用多任务深度学习模型可能对大样本的研究有帮助。这样的模型需要在临床中进行验证。
目的
本研究旨在建立一个多任务深度学习模型来对髋关节平片根据髋关节骨性关节炎征象进行分级，并与放射科医生诊断结果进行比较。
材料与方法
本研究回顾性分析了受试者承重位骨盆前后位片进行髋关节评价。对患者在48个月后进行随访。根据骨性关节炎诊断标准，股骨骨赘（FO）、髋臼骨赘（AO）和髋关节间隙狭窄（JSN）分为无、轻度、重度和重度。软骨下硬化和软骨下囊肿分级为无或有。受试者分别被分为训练组80% (n = 3494)、验证组10% (n = 437)和测试组10% (n = 437)。多认为神经网络是基于DenseNet-161建立的，是利用多任务损失函数训练的共享卷积特征提取器建立的。利用统计学分析评估模型效能。
结果
共有4368例受试者纳入了研究。内部数据中评估FOs、AOs、JSN、软骨下硬化和软骨下囊性特征的准确性分别为86.7% (1333 of 1538) 、69.9% (1075 of 1538) 、81.7% (1257 of 1538) 、95.8% (1473 of 1538) 、97.6% (1501 of 1538)在外部数据中，评估FOs、AOs、JSN、软骨下硬化和软骨下囊性特征的准确性分别为82.7% (86 of 104) 、65.4% (68 of 104) 、80.8% (84 of 104) 、88.5% (92 of 104) 、91.3% (95 of 104)。
结论
多任务深度模型可用于评估平片髋关节骨性关节炎特征。
原始出处：
von Schacky CE, Sohn JH, Liu F .et al. Development and Validation of a Multitask Deep Learning Model for Severity Grading of Hip Osteoarthritis Features on Radiographs.DOI:10.1148/radiol.2020190925
本网站所有内容来源注明为“梅斯医学”或“MedSci原创”的文字、图片和音视频资料，版权均属于梅斯医学所有。非经授权，任何媒体、网站或个人不得转载，授权转载时须注明来源为“梅斯医学”。其它来源的文章系转载文章，或“梅斯号”自媒体发布的文章，仅系出于传递更多信息之目的，本站仅负责审核内容合规，其内容不代表本站立场，本站不负责内容的准确性和版权。如果存在侵权、或不希望被转载的媒体或个人可与我们联系，我们将立即进行删除处理。
在此留言
#学习#
96
学习
111
#髋关节骨性关节炎#
74
#关节炎#
77