通过DR识别新鲜椎体压缩骨折的深度学习模型

• 作者: 罗嗣频（译） 何珍（校） 万业达（校）
• 来源期刊: 国际医学放射学杂志
• 年，卷（期）: 2022,（3）
• 所属期刊栏目: 国际期刊连线
• 页码范围: 364
• 页数: 1页
• 语种: 中文
• DOI: 10.19300/j.2022.e0304

摘要

目的 以MRI为参考标准，建立DR识别新鲜脊椎压缩骨折（VCF）的深度学习模型。方法 对2011年1月—2020年5月间收治的腰椎VCF病人进行回顾性研究。所有病人均行DR和MRI扫描。根据MRI结果将VCF分为新鲜和陈旧性，并对VCF进行分级和分型。将原始DR数据发送至InferScholar中心进行注释。建立基于深度学习的预测模型，并对其诊断性能进行评价。应用DeLong检验评估不同模型之间ROC曲线的差异。结果 本研究包括1 099例病人的1 877个VCF，并随机分为开发数据集（824例）和测试数据集（275例）。该模型识别新鲜和陈旧VCF的AUC为0.80（95%CI，0.77~0.83），准确度为74%（95%CI，72%~77%），敏感度为80%（95%CI，77%~83%），特异度为68%（95%CI， 63%~72%)。侧位像（AUC，0.83）比前后位像（AUC，0.77）表现更好，在各骨折亚组中，3级组（AUC，0.89）和粉碎性骨折组（AUC，0.87）表现最好。结论 所提出的深度学习模型对于识别DR中的新鲜VCF具有足够好的诊断性能。