AlexNet模型分级诊断膝关节软骨损伤

摘要：

目的 基于3.0T MR常规序列图像及T2 mapping构建AlexNet模型,观察其用于分级诊断膝关节软骨损伤的价值.方法 针对131例膝关节软骨损伤患者及25名无膝关节病变体检者共选取2500幅膝关节MRI,包括常规序列图像及T2 mapping,建立AlexNet模型;对比观察人工阅片、SqueezeNet模型及AlexNet模型用于分级诊断膝关节软骨损伤的效能.结果 AlexNet模型分级诊断膝关节软骨损伤的整体效能高于人工阅片及SqueezeNet模型(P均<0.05);其分级诊断膝关节软骨损伤的准确率为97.50％,诊断Ⅰ级损伤精确度、召回率及F1-score分别为99.66％、98.67％及99.16％,Ⅱ级损伤为94.70％、95.33％及95.02％,Ⅲ级损伤为95.61％、94.33％及94.97％,Ⅳ级损伤为98.04％、100％及99.01％.结论 AlexNet模型用于分级诊断膝关节软骨损伤效能较佳.

关键词：膝关节、软骨疾病、深度学习、磁共振成像

所属期刊栏目：20

分类号：R681.3;R445.2(骨科学（运动系疾病、矫形外科学）)

在线出版日期：2023-04-28（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：218-222