European Radiology:基于深度学习的髌股关节参数的全自动测量

2022-10-20 shaosai MedSci原创

髌骨不稳定(PI)是一种常见的临床症状,主要发生在女性儿童和青少年身上,与膝关节前部疼痛(AKP)和髌骨关节炎(PFOA)有关。

髌股关节(PFJ)是髌骨和股骨之间的滑行关节,是通过骨结构和周围软组织之间复杂的多变量关系而达到稳定的。髌骨不稳定(PI)是一种常见的临床症状,主要发生在女性儿童和青少年身上,与膝关节前部疼痛(AKP)和髌骨关节炎(PFOA)有关。

尽管计算机断层扫描(CT)是分析PI的重要参考方法,但由于其便利性和广泛的可用性,轴位X线仍然是评估PFJ稳定性的基本方法。X线的一些PFJ参数可以帮助放射科医生诊断或评估PI的潜在易感因素,如沟角(SA)、同位角(CA)、髌股比(PFR)和髌骨侧倾(LPT)。然而,在临床实践中,手动测量PFJ参数既费时又有局限性。因此,引入PFJ参数的自动测量是十分必要的。

最近已经发表了一些基于人工智能(AI)自动测量PFJ参数的方法,这些人工智能系统被设计为基于X线片的髌骨高度测量或基于4D CT监测PFJ的运动。然而,在肌肉骨骼放射学领域,使用深度学习方法的自动系统仍然很少。

由于深度学习比传统的机器学习具有更高的计算速度和效率,近日发表在European Radiology杂志的一项研究探讨了基于U型全卷积网络(U-Net)的深度学习算法在Laurin视图中自动测量髌骨股关节(PFJ)参数的性能,为PFJ参数的全自动测量及评估提供了技术支持。

本研究回顾性地收集了1431个连续的Laurin视图,并分为两部分:模型开发数据集(数据集1,n = 1230)和保持测试集(数据集2,n = 201)。数据集1被用来开发U型全卷积网络(U-Net)模型,以实现PFJ的参数分割。根据预测的数值计算PFJ参数,包括沟角(SA)、同位角(CA)、髌股比(PFR)和髌骨侧倾(LPT)。数据集2被用来评估模型性能。三个独立测量PFJ参数的放射科医生平均值被定义为参考标准。通过类内相关系数(ICC)、平均绝对差异(MAD)和与参考标准相比的均方根(RMS)评估模型性能。

与参考标准相比,U-Net在预测SA、CA、PFR和LPT方面显示出良好的性能,在保留的测试集中,ICC=0.85-0.97,MAD=0.06-5.09,RMS=0.09-6.90。除PFR外,其余参数在参考标准和模型之间的测量都在95%的LoA范围内。 

图 分别在内部测试集(左)和保留测试集(右)中显示的U-Net模型对每个参数的分割能力

本研究表明,基于深度学习方法的自动测量模型在预测SA、CA、PFR和LPT方面是准确且有效的,该模型使得自动测量方法达到了与放射科医生相媲美的程度,为临床进行LPT的全自动准确评估提供了有价值的临床工具。

 

原文出处:

Tuya E,Rile Nai,Xiang Liu,et al.Automatic measurement of the patellofemoral joint parameters in the Laurin view: a deep learning-based approach.DOI:10.1007/s00330-022-08967-1

作者:shaosai



版权声明:
本网站所有注明“来源:梅斯医学”或“来源: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:梅斯医学”。其它来源的文章系转载文章,本网所有转载文章系出于传递更多信息之目的,转载内容不代表本站立场。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

相关资讯

European Radiology:人工智能,开辟胸片检测COVID-19的新时代!

胸片(CXR)通常是对有急性呼吸道症状的患者进行初步评估的常规手段,且价格便宜、辐射剂量低,而且在绝大多数的医院中都可以获得。

J Nurs Manag:基于AI的智能监控可减少护患互动中护士的工作时间

基于 AI 的智能监测在减少护患互动中的工作时间方面显示出巨大的潜力。

Radiology:人工智能工具在评估CT不确性肺结节中的价值

最近,临床上开发出了使用原始CT数据的放射组学工具,以帮助临床医生进行IPNs的恶性或良性分类。

Nature:AlphaZero加强版AlphaTensor问世,发现史上最快矩阵乘法算法,在医学上能做什么?

AlphaZero,DeepMind开发的人工智能。2016年末2017年初,该程序在中国棋类网站上以“大师”(Master)为注册账号与中日韩数十位围棋高手进行快棋对决,连续

Crit Care:利用人工智能分析了COVID-19危重患者的微循环变化

舌下微循环可能在功能和形态上表现出疾病特有的变化。研究人员成功地训练了一个基于深度学习的模型,在舌下HVM图像序列中区分COVID-19危重患者和健康志愿者。经过内部验证,深度学习优于算法方法。

European Radiology:AI-CAD在评估乳腺钼靶上钙化病灶的临床价值

随着乳腺钼靶分辨率的提高,越来越多的小型微钙化被发现,现在更重要的是确定哪些钙化具有临床意义并与乳腺癌有关。