基于机器视觉的胸腰椎骨折智能分类方法的建立及测试研究

摘要：

目的 提出一种用于辅助诊断的胸腰椎骨折智能分类方法,并分析其临床应用的可行性.方法 收集四川大学华西医院2019年1月-2020年3月共1256张胸腰椎骨折CT影像,通过影像LabelImg系统用统一的标准进行标注.所有CT图像按照AO Spine胸腰椎损伤分类.在ABC型的分类中,共使用1039张CT图像进行训练和验证来优化深度学习系统,其中训练集1004张,验证集35张;其余217张CT图像作为测试集,对比深度学习系统和临床医生诊断结果.在A型亚型的分类中,共使用581张CT图像进行训练和验证来优化深度学习系统,其中训练集556张,验证集25张;其余104张CT图像作为测试集,对比深度学习系统和临床医生诊断结果.结果 深度学习系统骨折ABC分类的正确率为89.4％,Kappa系数为0.849(P＜0.001);A型亚分型的正确率为87.5％,Kappa系数为0.817(P＜0.001).结论 基于深度学习的胸腰椎骨折智能分类正确率高.这种方法可以用来辅助智能诊断胸腰椎骨折CT图像,改善目前人工复杂的诊断流程.

关键词：深度学习;胸腰椎骨折;卷积神经网络;骨折分类

所属期刊栏目：36

资助基金：四川省科学技术厅重点研发计划项目;中央高校基本科研业务费资助项目

在线出版日期：2021-11-29（万方平台首次上网日期，不代表论文的发表时间）

页数：共7页

页码：1337-1343