基于传统组学与深度学习融合技术的人工智能模型在鼻骨骨折检测中的应用.pdf
《基于传统组学与深度学习融合技术的人工智能模型在鼻骨骨折检测中的应用.pdf》由会员分享,可在线阅读,更多相关《基于传统组学与深度学习融合技术的人工智能模型在鼻骨骨折检测中的应用.pdf(4页珍藏版)》请在咨信网上搜索。
1、17医疗装备 2023 年 8 月第 36 卷第 16 期 Medical Equipment,August.2023,Vol.36,No.16鼻骨是面部骨骼的重要组成部分,易发生创伤性骨折1-2。鼻骨骨折是耳鼻喉科、急诊科常见的损伤,需早期诊断和准确初始治疗,如治疗不当可能会导致畸形和功能不适。由于鼻骨折诊断需快速、准确以预防鼻畸形,因此需要一种新的快速诊断方法。人工智能(artificial intelligence,AI)已被广泛应用于各种医疗诊断中。目前,越来越多的研究试图使用 AI 技术进行骨折检测,作为临床医基于传统组学与深度学习融合技术的人工智能模型在鼻骨骨折检测中的应用杨存1,
2、杨磊1(通信作者),高丽娟1,李英1,李晓童1,李亮1,杨琛腾21河北医科大学第二医院(河北石家庄050000);2河北医科大学(河北石家庄050000)摘要目的采用传统组学与深度学习融合技术开发人工智能(AI)模型,并探讨其对鼻骨骨折的诊断价值。方法选取 2021 年 5 月至 2022 年 7 月医院收治的 252 例行鼻骨多层螺旋 CT(MSCT)扫描检查患者为研究对象,通过深度学习技术提取端至端的深度学习特征,并使用 pyradiomics 分析软件提取传统组学特征。将所有特征筛选后进行融合,输入分类预测器建立 AI 预测模型,并检验鼻骨骨折的诊断效能。结果在 AI 辅助下,临床医师阅
3、片时,灵敏度改善 11.65%,特异度改善 16.80%,曲线下面积(AUC)改善 0.14;放射科医师阅片时,灵敏度改善 9.32%,AUC 改善 0.08。结论AI 模型辅助可帮助医师提高鼻骨骨折的诊断能力,具备一定的临床使用价值。关键词鼻骨骨折;人工智能;灵敏性;特异度;深度学习中图分类号R814.42 文献标识码B 文章编号1002-2376(2023)16-0017-04基金项目:河北省省级科技计划资助项目民生科技专项(20377733D);河北省医学科学研究课题计划项目(20210815);河北医科大学第二医院院基金项目(2HC202057)收稿日期:2023-06-09医学工程T
4、he Application of Artificial Intelligence Model Based on the Fusion Technology of Traditional Omics and Deep Learning in the Detection of Nasal FractureYang Cun1,Yang Lei1(Corresponding Author),Gao Lijuan1,Li Ying1,Li Xiaotong1,Li Liang1,Yang Chenteng2.1 The Second Hospital of Hebei Medical Universi
5、ty,Shijiazhuang Hebei 050000,China;2 Hebei Medical University,Shijiazhuang Hebei 050000,China【Abstract】ObjectiveThe artificial intelligence(AI)model was developed using the fusion technology of traditional omics and deep learning,and its diagnostic value for nasal fracture was explored.MethodsWith s
6、election of 252 patients with nasal bone multi-slice spiral CT(MSCT)scanning admitted to the hospital from May 2021 to July 2022 as the research subjects,end-to-end deep learning features were extracted through deep learning techniques,and traditional omics features were extracted using pyradiomics
7、analysis software.With the screening and fusion of all features,the AI prediction model was established by inputting the classification predictor,and its diagnostic efficiency for nasal fracture was tested.ResultsWith the assistance of AI,when clinical physicians read the images,the sensitivity impr
8、oved by 11.65%,the specificity improved by 16.80%,and the area under the curve(AUC)improved by 0.14;When radiologists read the images,the sensitivity improved by 9.32%and the AUC improved by 0.08.ConclusionThe assist of AI model can help doctors improve the diagnostic ability for nasal bone fracture
9、,which has certain clinical value.【Key words】Nasal bone fracture;Artificial intelligence;Sensitivity;Specificity;Deep learning18医疗装备 2023 年 8 月第 36 卷第 16 期 Medical Equipment,August.2023,Vol.36,No.16师的辅助诊断手段。研究显示,应用深度学习方法的 AI 技术可通过 X 线片诊断踝关节和腕部骨折3-4。最近发表的荟萃分析显示,在骨折检测方面临床医师和 AI 医师的诊断性能差异无统计学意义,表明 AI 技
10、术是一种非常有前景的诊断骨折的辅助手段5-9。目前,利用 AI 技术提高医师对鼻骨骨折的诊断准确性的相关研究较少。因此,本研究通过建立 AI 预测模型,以提高鼻骨骨折诊断准确度。1 资料与方法1.1 一般资料回顾性分析 2021 年 5 月至 2022 年 7 月医院收治的 252 例行鼻骨多层螺旋 CT(multi-slice spiral CT,MSCT)扫描检查的患者资料,其中骨折患者152 例,非骨折患者 100 例,患者一般资料统计学特征如表 1 所示。随机选取 176 例进入训练集(骨折患者 106 例,非骨折患者 0 例),余 76 例数据进入验证集(骨折患者 46 例,非骨折患
11、者 30 例),分裂率为 73。本研究经医院医学伦理委员批准。纳入标准:所有患者均行 MSCT 扫描,患者资料完整。排除标准:患者图像存在伪影或不能满足诊断要求。表 1患者一般资料一般资料例数年龄(岁,x-s)性别 例(%)体质量指数kg/m2,例(%)男女 24 24非骨折患者 10043.5111.2744(44.00)56(56.00)61(61.00)39(39.00)骨折患者15247.7913.5659(38.82)93(61.18)97(63.82)55(36.18)1.2 方法所有患者均采用 GE 公司 OptimaCT660 功能型64 排 128 层螺旋 CT 机行 MSC
12、T 扫描。采用横断位扫描,患者取仰卧位,听眦线垂直扫描床面,扫描范围:眼眶上缘至硬腭水平(包全上颌骨)。扫描参数:层厚 5 mm,层间距 5 mm,螺距 0.9341,机架转速 0.8 s,FOV 250 mm,重建间隔 1 mm。将所得图像传输至 ADW4.6 工作站进行图像后处理,采用骨算法重建及软组织算法重建,CT 窗宽为4000 HU,窗位为 700 HU。1.3 模型建设1.3.1 特征值提取使用 pyradiomics 分析软件提取患者图像传统组学特征。传统组学特征包括一阶统计量特征、空间几何特征、纹理特征、变换特征等,如最小值、最大值、中位数、均值、体积、表面积、球形度、最大直径
13、灰度共生矩阵、灰度行程矩阵等。将 3D 数据裁剪成多个 2D 截面,使用残差卷积神经网络(ResNet)进行训练,获取深度学习特征。本研究共提取 107 个组学特征、2 048 个深度学习特征,见图 1。图 1患者图像特征统计1.3.2 建立模型将获取的传统组学特征及深度学习特征进行融合,对特征 featurefusion进行正则化(Z-score),将数据服从 N(0,1)分布,公式如下。featurefusion=featurerad featuredl (1)feature=(feature-mean)/std(2)式中,mean 为特征均值,std 为方差。使用Spearman相关系数
14、计算特征间的相关性,并用 Lasso 进行特征选择(图 2)。通过交叉验证筛选出最佳惩罚系数,并以训练集数据进行模型训练及 AI 测试。图 2Lasso 特征选择1.4 观察指标以临床检查结果作为检测鼻骨骨折的参考标准。通过验证 10 名放射科医师(男 6 名,女 4 名)和 10 名临床医师(男 7 名,女 3 名)分别在 AI 辅助下的鼻骨骨折诊断灵敏度和特异度,及 AI 辅助医师与仅 AI 检测下的准确度。1.5 统计学处理采用 SPSS 22.0 统计学软件和 MedCalc 19.0.5 统计软件包进行数据分析。计数资料以率描述。计量19医疗装备 2023 年 8 月第 36 卷第
- 配套讲稿:
如PPT文件的首页显示word图标,表示该PPT已包含配套word讲稿。双击word图标可打开word文档。
- 特殊限制:
部分文档作品中含有的国旗、国徽等图片,仅作为作品整体效果示例展示,禁止商用。设计者仅对作品中独创性部分享有著作权。
- 关 键 词:
- 基于 传统 深度 学习 融合 技术 人工智能 模型 骨折 检测 中的 应用
1、咨信平台为文档C2C交易模式,即用户上传的文档直接被用户下载,收益归上传人(含作者)所有;本站仅是提供信息存储空间和展示预览,仅对用户上传内容的表现方式做保护处理,对上载内容不做任何修改或编辑。所展示的作品文档包括内容和图片全部来源于网络用户和作者上传投稿,我们不确定上传用户享有完全著作权,根据《信息网络传播权保护条例》,如果侵犯了您的版权、权益或隐私,请联系我们,核实后会尽快下架及时删除,并可随时和客服了解处理情况,尊重保护知识产权我们共同努力。
2、文档的总页数、文档格式和文档大小以系统显示为准(内容中显示的页数不一定正确),网站客服只以系统显示的页数、文件格式、文档大小作为仲裁依据,平台无法对文档的真实性、完整性、权威性、准确性、专业性及其观点立场做任何保证或承诺,下载前须认真查看,确认无误后再购买,务必慎重购买;若有违法违纪将进行移交司法处理,若涉侵权平台将进行基本处罚并下架。
3、本站所有内容均由用户上传,付费前请自行鉴别,如您付费,意味着您已接受本站规则且自行承担风险,本站不进行额外附加服务,虚拟产品一经售出概不退款(未进行购买下载可退充值款),文档一经付费(服务费)、不意味着购买了该文档的版权,仅供个人/单位学习、研究之用,不得用于商业用途,未经授权,严禁复制、发行、汇编、翻译或者网络传播等,侵权必究。
4、如你看到网页展示的文档有www.zixin.com.cn水印,是因预览和防盗链等技术需要对页面进行转换压缩成图而已,我们并不对上传的文档进行任何编辑或修改,文档下载后都不会有水印标识(原文档上传前个别存留的除外),下载后原文更清晰;试题试卷类文档,如果标题没有明确说明有答案则都视为没有答案,请知晓;PPT和DOC文档可被视为“模板”,允许上传人保留章节、目录结构的情况下删减部份的内容;PDF文档不管是原文档转换或图片扫描而得,本站不作要求视为允许,下载前自行私信或留言给上传者【自信****多点】。
5、本文档所展示的图片、画像、字体、音乐的版权可能需版权方额外授权,请谨慎使用;网站提供的党政主题相关内容(国旗、国徽、党徽--等)目的在于配合国家政策宣传,仅限个人学习分享使用,禁止用于任何广告和商用目的。
6、文档遇到问题,请及时私信或留言给本站上传会员【自信****多点】,需本站解决可联系【 微信客服】、【 QQ客服】,若有其他问题请点击或扫码反馈【 服务填表】;文档侵犯商业秘密、侵犯著作权、侵犯人身权等,请点击“【 版权申诉】”(推荐),意见反馈和侵权处理邮箱:1219186828@qq.com;也可以拔打客服电话:4008-655-100;投诉/维权电话:4009-655-100。