10.13609/j.cnki.1000-0313.2021.08.003
鼻骨区骨折深度学习模型的建立和临床效能评估
目的:探讨基于深度学习算法建立的AI模型对鼻骨区骨折的检出效能.方法:回顾性搜集1000例无骨折患者和1080例有骨折患者的鼻骨CT图像.以2位具有15年以上鼻骨区骨折诊断经验的高年资医师一致认定的有或无骨折的诊断结果作为金标准.使用三维特征2.5D金字塔网络(FPN)深度学习算法建立AI模型并完成鼻骨区骨折定位的训练和测试.采用敏感度、特异度和符合率评估AI模型、人工独立检出(2位低年资A、B和1位高年资医师C)以及AI辅助人工检出三种方式对鼻骨区骨折的检出效能.结果:AI模型检出骨折的敏感度为86.64%,特异度为41.99%,符合率为68.71%.AI辅助低年资医师A和B检出骨折的敏感度和符合率较人工独立检出分别提高了24.35%、23.54% 和17.81%、16.97%,差异均有统计学意义(P<0.05);AI辅助高年资医师对骨折的检出效能与人工独立检出相比,差异无统计学意义(P>0.05).结论:人工智能模型能够提高低年资医师对鼻骨区骨折的诊断效能,缩小与高年资医师之间的差距.
人工智能;深度学习;鼻骨;骨折;诊断效能
36
R814.42;R683.5(放射医学)
证据科学教育部重点实验室中国政法大学开放基金资助课题;北京市医院管理局临床医学发展专项;北京市医院管理中心"登峰"计划专项
2021-08-27(万方平台首次上网日期,不代表论文的发表时间)
共6页
959-964