公共人工智能平台在膝关节骨性关节炎分期中的应用
作者:赵晓阳; 许树林; 潘为领; 唐慧勇; 张守波
更新时间:
目的探讨在公共人工智能平台上利用X线胶片对模型进行训练,实现膝关节炎(KOA)严重程度自动分级的可行性。方法 根据凯伦·劳伦斯(KellgrenLawrence,KL)的拍摄系统选择拍摄的X光片,并在公共人工智能平台上对模型进行培训。最后,445张1 大学图片被用于自动训练和测试评估。使用50幅图像的测试集对模型和放射科医生进行测试,计算放射科医生的准确度和F1得分,并与人工智能Alpine模型返回的结果进行比较。结果该模型对自动训练集人工智能平台的精度为0.73,F1得分为0.72。该模型对50幅图像的测试子集的准确度为0.70,F1得分为0.69。放射科和医师测试的准确率为0.64,F1得分为0.63。该模式的有效性已达到甚至超过高级放射科和医师测试的水平。结论基于公共人工智能平台的模型训练和利用X线图像对KOA进行KL自动分期是可行和优越的。