基于深度学习的人工智能测量婴儿非偏心型髋关节的研究

• 作者: 郭爽萍 倪东 尚宁 王丽敏 胡歆迪 吕栩再 梁永栋
• 来源期刊: 中华医学超声杂志（电子版）
• 关键词: 发育性髋关节发育不良 超声 人工智能 深度学习
• 年，卷（期）: 2021,（5）
• 所属期刊栏目: 小儿超声影像学|Pediatric Ultrasound
• 页码范围: 467-471
• 页数: 5页
• 语种: 中文
• DOI: 10.3877/cma.j.issn.1672-6448.2021.05.006

摘要

目的 评估人工智能模型自动测量婴儿髋关节发育指标的临床应用价值.方法 选取2019年1月至11月于广东省妇幼保健院超声科进行髋关节超声检查的婴儿231例(共462张标准髋关节图片),使用组内相关系数(ICC)、Deming回归对高年资医师与人工智能测量髋关节数据进行一致性分析,使用ICC对高年资医师、低年资医师、人工智能测量数据进行观察者间一致性分析,对高年资与低年资医师测量数据进行观察者内一致性分析.结果 高年资医师与人工智能测量α角和β角的ICC分别为0.823、0.745;Deming回归斜率分别为0.856、1.205;回归残差图围绕参考线相对对称.高年资医师与低年资医师测量α角的ICC为0.77,β角的ICC为0.70;低年资医师与人工智能测量α角的ICC为0.79,β角的ICC为0.71;高年资医师与人工智能测量α角的ICC为0.87,β角的ICC为0.79.高年资医师测量2次α角的ICC为0.89,β角的ICC为0.84;低年资医师测量2次α角的ICC为0.88,β角的ICC为0.82.结论 深度学习的人工智能模型测量髋关节数据与医师测量数据一致性好,且更接近高年资医师测量水平,可辅助超声医师进行临床早期筛查和诊断.