11 天前
基于深度学习的膝关节磁共振成像辅助诊断：MRNet的开发与回顾性验证
{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}
摘要
膝关节磁共振成像（MRI）是诊断膝关节损伤的首选方法。然而，膝关节MRI的解读耗时较长，且易受诊断误差和判读者间差异的影响。开发一种自动化解读膝关节MRI的系统，有助于优先识别高风险患者，并辅助临床医生做出诊断。深度学习方法能够自动学习多层次特征，非常适合建模医学影像与其诊断结论之间的复杂关系。在本研究中，我们构建了一种深度学习模型，用于检测膝关节MRI中的普遍异常以及特定诊断（前交叉韧带[ACL]撕裂和半月板撕裂）。随后，我们评估了在临床专家解读过程中提供该模型预测结果所带来的影响。