公共人工智能平台在膝关节骨性关节炎分期中的应用

摘要：

目的 探讨利用X线片在公共人工智能平台上训练模型对膝关节骨性关节炎(KOA)严重程度自动分期的可行性.方法 选取按照Kellgren-Lawrence(KL)分期系统进行分期的X线片,在公共人工智能平台上训练模型.最终使用了1 445幅图像进行自动训练及测试评估.使用50幅图像的测试集对模型和放射科医师进行测试,计算放射科医师的准确率和F1-score,并与人工智能平台中模型返回的结果进行比较.结果 模型对人工智能平台自动训练集的准确率为0.73,F1-score为0.72;模型对50幅图像的测试子集的准确率为0.70,F1-score为0.69.放射科医师测试的准确率为0.64,F1-score 为0.63.模型效能达到甚至超过了高年资放射科医师测试水平.结论 基于公共人工智能平台进行模型训练,利用X线图像进行KOA的自动KL分期,具有可行性和一定的优越性.

关键词：人工智能、X线片、Kellgren-Lawrence分期系统、膝关节骨性关节炎、骨关节炎倡议

所属期刊栏目：26

分类号：R816.8;R684.3(放射医学)

在线出版日期：2022-06-10（万方平台首次上网日期，不代表论文的发表时间）

页数：共5页

页码：22-26