研究人员使用人工智能来检测手腕骨折

根据发表在该杂志上的一项研究，一种使用人工智能(AI)的自动化系统可以有效地在x光上检测一种常见的手腕骨折放射学:人工智能．研究人员表示，这种基于人工智能的算法有助于加快诊断速度，并实现早期治疗。

舟状骨骨折受伤是在其中一根小骨头上吗手腕这通常发生在人们试图用手撑住摔倒时。它们占所有骨骼骨折的7%。及时诊断很重要，因为如果不及时治疗，骨折可能无法正常愈合，导致关节炎等一系列问题，甚至丧失功能。

常规x线是诊断舟状骨骨折的首选成像技术，但它往往受到舟状骨与手腕周围骨骼重叠的限制。手腕定位和x光技术的变化也会限制骨折的可见性。

“因此，在最初的x光检查中，舟状骨骨折可能会被忽略，”该研究的主要作者Nils Hendrix说，他是荷兰Jeroen Bosch医院和Jheronimus数据科学学院的博士候选人。

亨德里克斯和同事最近研究了一种系统，可以帮助放射科医生检测这些常见的骨折。该系统基于卷积神经网络的深度学习，卷积神经网络是一种复杂的人工智能，能够识别图像中超出人眼能力的微妙模式。

虽然之前的研究发现，卷积神经网络在x射线上识别舟状骨骨折方面不如人类观察者，但这项新研究使用了更大的数据集和进一步的算法改进来提高检测能力。它还使用了类激活映射，这是一种人工智能工具，可以帮助用户了解图像的哪个区域正在影响网络的预测。

研究人员使用了数千张手、手腕和舟状骨的常规x光片来开发这个系统。他们在190张x射线数据集上对其进行了测试，并将其性能与11名放射科医生的性能进行了比较。

该系统在检测骨折时的灵敏度为78%阳性预测值83%，这意味着人工智能识别为骨折的患者确实有骨折的可能性。分析表明，该系统的表现与11名放射科医生相当。

该系统具有很大的应用潜力临床使用亨德里克斯说。它可以减少额外的影像学检查和不必要的治疗的发病率和费用，加快诊断并允许早期治疗。

Hendrix说:“该系统可以帮助住院医生、放射科医生或其他医生，作为第一或第二读者，或作为分类工具，帮助优先排序工作清单，潜在地降低遗漏骨折的风险。”

据Hendrix说，这种帮助可以防止延迟治疗，减少可能导致临床结果低于平均水平的并发症。

“卷积神经网络也可以减少一半以上临床怀疑有舟状骨骨折的患者出于预防而进行的不必要的手腕固定，”他说。

发现类激活图与舟状骨骨折线重叠，这表明它们可以用于定位潜在的骨折。

Hendrix和他的同事计划扩展舟状骨骨折检测系统，这样它就可以结合多个x光视图进行预测。他们还在进行一项实验研究，要求放射科医生在有或没有骨折检测系统的帮助下，在x射线上识别舟状骨骨折。

研究人员希望将该系统扩展到其他骨骼结构的骨折检测。

---

---