10.3760/cma.j.cn115530-20221111-00560
骨质疏松性椎体压缩骨折MRI精准辅助诊断模型的研究
目的:拟开发一种基于MRI深度学习的自动精准检测骨质疏松性椎体压缩骨折(OVCF)的诊断模型。方法:回顾性收集2019年1月至2021年10月广州市第一人民医院诊断为OVCF的500例患者资料。男396例,女204例;年龄(74.5±6.0)岁;骨密度T值为-2.9±0.8;骨折节段:L
1 128例,L
2 113例,L
3 109例,L
4 115例,L
5 108例。选择多模态分层融合网络进行训练、测试及验证,应用grad-cam可视化方法,构建基于脊柱MRI图像的深度学习模型。随机抽取30例诊断为OVCF患者的MRI图像,比较深度学习的精准辅助诊断模型与高年资脊柱外科医师对OVCF的诊断价值。
结果:建立的基于MRI图像深度学习的精准辅助诊断模型对OVCF的诊断准确度为96.7%,灵敏度为93.5%,特异度为88.9%,阳性预测值为100.0%,阴性预测值为76.9%,均高于2名高年资脊柱科医师(70.0%、72.7%、28.6%、82.1%、28.6%),差异均有统计学意义(
P<0.05)。
结论:本研究成功建立了的基于MRI图像的深度学习的OVCF精准辅助诊断模型,其诊断效能高于脊柱外科医师。
脊柱、骨质疏松、骨折、磁共振成像、人工智能
25
2023-05-30(万方平台首次上网日期,不代表论文的发表时间)
共6页
64-69