منذ 11 أيام
التشخيص المدعوم بالتعلم العميق للتصوير بالرنين المغناطيسي للركبة: تطوير وتحقق تراجعي لـ MRNet
{Francis G. Blankenberg, Safwan Halabi, Bhavik N. Patel, Jeremy Irvin, Russell J. Stewart, Robyn L. Ball, Michael Bereket, Derek F. Amanatullah, Andrew Y. Ng, Kristen W. Yeom, Katie Shpanskaya, David B. Larson, Allison Park, Ricky H. Jones, Nicholas Bien, Gary Fanton, Evan Zucker, Curtis P. Langlotz, Christopher F. Beaulieu, Pranav Rajpurkar, Matthew P. Lungren, Geoffrey M. Riley, Erik Jones}
الملخص
يُعدّ التصوير بالرنين المغناطيسي (MRI) للركبة الطريقة المفضلة لتشخيص إصابات الركبة. ومع ذلك، فإن تفسير صور الرنين المغناطيسي للركبة يستغرق وقتًا طويلاً، ويُعرّض للخطأ التشخيصي والتباين في التفسير. ويمكن أن يُسهم نظام تلقائي لتفسير صور الرنين المغناطيسي للركبة في تحديد الأولوية للمرضى ذوي المخاطر العالية، ومساعدة الأطباء في إجراء التشخيصات. وتُعدّ أساليب التعلم العميق مناسبة جدًا لنمذجة العلاقات المعقدة بين الصور الطبية وتفسيراتها، نظرًا لقدرتها على تعلم طبقات من الخصائص تلقائيًا. في هذه الدراسة، طوّرنا نموذجًا قائمًا على التعلم العميق للكشف عن الشذوذ العام، والتشخيصات المحددة (مثل تمزق الرباط الصليبي الأمامي [ACL] وتمزق الغضروف الهلالي). ثم قُمنا بقياس تأثير عرض تنبؤات النموذج على الخبراء السريريين أثناء تفسير الصور.