基于深度学习的股骨头坏死端到端诊断系统
图像与视频处理
2020-11-11 v2 计算机视觉与模式识别
机器学习
机器学习
摘要
作为股骨头坏死（AVNFH）的首要诊断影像手段，从平片准确分期AVNFH对骨科医生而言关键且具有挑战性。为此，我们提出一种基于深度学习的AVNFH诊断系统（AVN-net）。所提AVN-net读取骨盆平片，自动完成诊断并可视化结果。我们训练深度卷积神经网络以提供端到端诊断方案，涵盖股骨头检测、检查视图识别、侧别分类、AVNFH诊断与关键临床笔记生成等任务。AVN-net在AVNFH检测中取得0.97（95% CI: 0.97-0.98）的SOTA测试AUC，且在所有诊断测试中F1分数显著优于经验较少至中等水平的骨科医生（p<0.01）。此外，我们分别开展了用于诊断支持与教育辅助的两项真实世界试点研究，以评估AVN-net的效用。实验结果令人鼓舞。以AVN-net诊断为参考，所有骨科医生的诊断准确性与一致性显著提升，且仅需1/4的时间。使用AVN-net自学AVNFH诊断的学生比对照组学得更好更快。据我们所知，本研究首次通过代表真实应用场景的两项试点研究，探讨了基于深度学习的AVNFH诊断系统的前瞻性使用。我们已证明所提AVN-net达到专家级AVNFH诊断性能，在临床决策中提供高效支持，并有效将临床经验传授给学生。
引用
@article{arxiv.2002.05536,
title = {Deep Learning-based End-to-end Diagnosis System for Avascular Necrosis of Femoral Head},
author = {Yang Li and Yan Li and Hua Tian},
journal= {arXiv preprint arXiv:2002.05536},
year = {2020}
}
备注
10 pages, 5 figures