典型文献
超声人工智能辅助诊断发育性髋关节发育不良
文献摘要：
目的:构建一种发育性髋关节发育不良（developmental dysplasia of the hip，DDH）超声图像的人工智能（artificial intelligence，AI）辅助诊断的深度学习系统并验证。方法:回顾性收集2019年1月至2021年1月的2 000段儿童髋关节超声影像片段，并选取影像片段中标准截面2 000张，所有标准截面均由标注小组通过使用基于Python 3.6环境的自编软件使用图片跨媒体数据标注与人工审核标准化流程用统一的标准进行处理。随机选取其中1 753张用于训练深度学习系统，余247张用于测试系统。再从测试集中随机选取200张标准截面，并由8位临床医生独立完成读片标注，将8份独立结果与AI结果进行比较。结果:测试集共247例，与临床医生测量相比，判读髋关节是否成熟的诊断受试者工作特征曲线（receiver operating characteristic curve，ROC）下的面积（area under the ROC，AUC）为0.865，灵敏度为76.19%，特异性为96.90%。Graf详细分型下的深度学习系统判读的AUC为0.575，灵敏度为25.90%，特异性为89.10%。根据Bland-Altman方法确定的α角[95%
LoA（-4.7051°，6.5948°），
Bias -0.94，
P<0.001]和β角[95%
LoA（-7.7191，6.8777），
Bias -0.42，
P=0.077]，与8位临床医生相比AI系统判读结果均更为稳定，且β角效果更为突出。
结论:新型人工智能系统可快速且准确的测量标准髋关节超声平面的Graf法相关指数。
文献关键词：
人工智能;神经网络，计算机;发育性髋关节发育不良;超声检查
中图分类号：
作者姓名：
孙锡玮;吴青杰;管之也;何晓刚;孙军;方继红;杨芳;林昱东;袁亮;谢康;蒋健一;刘传彬;谢洪涛;徐静远;张思成
作者机构：
安徽省儿童医院骨科，合肥 230061;安徽省儿童医院超声科，合肥 230061;中国科学技术大学信息学院，合肥 230026
文献出处：
引用格式：
[1]孙锡玮;吴青杰;管之也;何晓刚;孙军;方继红;杨芳;林昱东;袁亮;谢康;蒋健一;刘传彬;谢洪涛;徐静远;张思成-.超声人工智能辅助诊断发育性髋关节发育不良)[J].中华骨科杂志,2022(16):1084-1092
A类：
B类：
人工智能辅助诊断,发育性髋关节发育不良,developmental,dysplasia,hip,DDH,超声图像,artificial,intelligence,深度学习系统,髋关节超声,超声影像,像片,中标,Python,自编,软件使用,跨媒体,媒体数据,数据标注,审核标准,标准化流程,测试系统,测试集,临床医生,读片,判读,受试者工作特征曲线,receiver,operating,characteristic,curve,area,under,Graf,Bland,Altman,LoA,Bias,人工智能系统,测量标准,超声检查
AB值：
0.332319
相似文献
机标中图分类号，由域田数据科技根据网络公开资料自动分析生成，仅供学习研究参考。
