10.3760/cma.j.issn.0253-2352.2018.07.006
基于卷积神经网络的计算机自动学习系统判断全膝关节置换手术指征的初步研究
目的 探讨基于卷积神经网络(deep convolutional neural network,DCNN)的计算机自动学习系统判断全膝关节置换手术指征和预后的可能性.方法 构建基于CIFAR-10的DCNN模型,从数据库中经筛选复核得到400例膝关节骨关节炎病例用于分析,包括手术治疗病例300例、非手术治疗病例100例.选取200例术前X线片及其扩增50倍后的10000例图像对DCNN进行训练,再采用经过训练的DCNN对另外200例术前X线片扩增图像的手术指征加以判断.临床标准经过三次复核一致并经过临床疗效验证,作为金标准.采用Pearson相关分析评估DCNN判断结果与临床标准的相关性,DCNN内建精度分析用作参考.结果 用于DCNN机器学习的200例与用于判断的200例患者一般情况和治疗方法的差异无统计学意义.经200例学习后,DCNN机器判断结果与临床标准没有相关性(r=0.000,F=0.001,P=0.970).判断的假阳性率为16.8%(1 681/10 000),假阴性率为33.0%(3 296/10 000);扩增10000例后,DCNN机器判断结果与临床标准之间有相关性(r=0.727,F=11 228.735,P=0.000,R2=0.529).软件内建评估的最高精度为0.860.结论 基于卷积神经网络的计算机自动学习系统有望用于判断全膝关节置换手术指征,大样本数据学习后判断准确率将显著提升.
神经网络(计算机)、关节成形术、置换、膝、预后
38
“十三五”国家重点研发计划项目2017YFC0110600National Crucial Developmental Project of the 13th Five-year Plan 2017YFC0110600
2018-05-15(万方平台首次上网日期,不代表论文的发表时间)
共7页
418-424