基于深度卷积神经网络从普通平片检测全髋关节置换植入物的机械性松动
图像与视频处理
2022-07-06 v2 计算机视觉与模式识别
摘要
普通 X 线摄影广泛用于检测全髋关节置换（THR）植入物的机械性松动。目前，平片由医疗专业人员手动评估，这可能容易出现观察者间与观察者内可靠性差以及准确度低的问题。此外，THR 植入物机械性松动的手动检测需要经验丰富的临床医生，而其可能并非随时可得，可能导致诊断延迟。在本研究中，我们提出一种新颖、全自动且可解释的方法，利用深度卷积神经网络（CNN）从普通平片检测 THR 植入物的机械性松动。我们在 40 名患者的前后位髋关节 X 光片上采用五折交叉验证训练 CNN，并将其性能与一名高工作量委员会认证骨科医生（AFC）比较。为增加对机器结果的置信度，我们还实现了显著性图以可视化 CNN 做出诊断时所关注的区域。CNN 在诊断 THR 植入物机械性松动上优于骨科医生，其灵敏度（0.94）显著高于骨科医生（0.53），而特异性相同（0.96）。显著性图显示 CNN 关注了临床相关特征以做出诊断。此类 CNN 可用于 THR 植入物机械性松动的自动放射学评估，以辅助从业者的决策过程，提高其诊断准确度，并使其能投身于更以患者为中心的照护。
引用
@article{arxiv.1912.00943,
title = {Detecting mechanical loosening of total hip replacement implant from plain radiograph using deep convolutional neural network},
author = {Alireza Borjali and Antonia F. Chen and Orhun K. Muratoglu and Mohammad A. Morid and Kartik M. Varadarajan},
journal= {arXiv preprint arXiv:1912.00943},
year = {2022}
}