Radiology:深度学习连骨龄都能测?!
2017-12-19 shaosai MedSci原创
本研究旨在比较基于手X线片进行骨龄深度学习评价模型与专业放射科医生、现存的自动模型评价骨成熟的价值,并将结果发表在Radiology上。
本研究旨在比较基于手X线片进行骨龄深度学习评价模型与专业放射科医生、现存的自动模型评价骨成熟的价值,并将结果发表在Radiology上。
本研究共纳入了14036例临床手部X线片及相关报告来训练和验证模型。在测试组,包含了200例检查,平均骨龄评价来自于临床报告和3名阅片者的诊断结果,并作为参考标准。通过比较模型评估结果和参考标准结果的均方根(RMS)和平均绝对差(MAD)来评估整体模型效能。95%一致性范围由阅片者和模型中进行计算。再次测试组包含了来自公共数字手部图谱中1377次检查的RMS与现存自动模型报告结果相比较。
结果为,模型和阅片者对骨龄评估的平均差异为0年,平均RMS和MAD分别为0.63、0.50年。模型、临床报告和三位阅片者的评估在95%一致性范围之内。数字手部图谱组的RMS为0.73年,而先前报告模型的RMS为0.63年。
本研究结果为,脑网络深度学习模型能够评估骨成熟,并与专业放射科医生及当前自动处理模型具有相似的准确率。
原始出处:
Larson DB, Chen MC, Lungren MP. et al.Performance of a Deep-Learning Neural Network Model in Assessing Skeletal Maturity on Pediatric Hand Radiographs.Radiology.DOI: 10.1148/radiol.2017170236
本文系梅斯医学(MedSci)原创编译整理,转载需授权!
版权声明:
本网站所有内容来源注明为“梅斯医学”或“MedSci原创”的文字、图片和音视频资料,版权均属于梅斯医学所有。非经授权,任何媒体、网站或个人不得转载,授权转载时须注明来源为“梅斯医学”。其它来源的文章系转载文章,或“梅斯号”自媒体发布的文章,仅系出于传递更多信息之目的,本站仅负责审核内容合规,其内容不代表本站立场,本站不负责内容的准确性和版权。如果存在侵权、或不希望被转载的媒体或个人可与我们联系,我们将立即进行删除处理。
在此留言
本网站所有内容来源注明为“梅斯医学”或“MedSci原创”的文字、图片和音视频资料,版权均属于梅斯医学所有。非经授权,任何媒体、网站或个人不得转载,授权转载时须注明来源为“梅斯医学”。其它来源的文章系转载文章,或“梅斯号”自媒体发布的文章,仅系出于传递更多信息之目的,本站仅负责审核内容合规,其内容不代表本站立场,本站不负责内容的准确性和版权。如果存在侵权、或不希望被转载的媒体或个人可与我们联系,我们将立即进行删除处理。
在此留言
这么先进?
78
学习了感谢分享
88