人工智能辅助诊断儿童发育性髋关节发育不良的临床应用

摘要：

目的 开发一种用于辅助诊断儿童发育性髋关节发育不良(developmental dysplasia of the hip,DDH)骨盆前后位X线片深度学习系统,并分析其临床应用的可行性.方法 收集我院自2014年4月至2018年12月共10219张骨盆前后位X线片,通过影像PACS系统用统一的标准进行标注.所有X线片按照临床诊断分为"脱位组"(包括脱位和半脱位)和"非脱位组"(包括正常和髋臼发育不良).使用9081张X线片进行训练和优化深度学习系统;使用1138张X线片作为测试集,对比深度学习系统和临床医生诊断结果.利用ROC曲线确定深度学习系统诊断"髋脱位"的精度,并利用Bland-Altman散点图评价髋臼指数测量的一致性.结果 测试集共1138例[其中男242例,女896例,年龄0～10岁,平均(1.50±1.79)岁].深度学习系统诊断髋关节是否脱位的ROC曲线下面积、敏感性和特异性分别为:0.975,95.5％(276/289)和99.5％(1978/1987).由深度学习系统测得的髋臼指数与临床医生测得结果相比,在"非脱位组"和"脱位组"的Bland-Altman 95％的一致性界限(95％LOA)分别为-3.27°～2.94° 和-7.36°～5.36°(P<0.0001).结论 深度学习系统诊断DDH骨盆前后位与临床医生的诊断结果一致性较高,同时具有更方便、更快速的特点.这种方法可以用来诊断DDH骨盆前后位X线片,改善目前人工复杂的筛查转诊流程.

关键词：髋脱位、发育性、儿童、人工智能

所属期刊栏目：10

分类号：R684.2(骨科学（运动系疾病、矫形外科学）)

在线出版日期：2021-07-05（万方平台首次上网日期，不代表论文的发表时间）

页数：共8页

页码：410-417