外科学论文_基于机器视觉的胸腰椎骨折智能分类
文章摘要: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1 256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1 039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1 004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。
文章关键词:
