• 美文
  • 文章
  • 散文
  • 日记
  • 诗歌
  • 小说
  • 故事
  • 句子
  • 作文
  • 签名
  • 祝福语
  • 情书
  • 范文
  • 读后感
  • 文学百科
  • 当前位置: 柠檬阅读网 > 范文 > 正文

    深度学习模型在儿童TW3法骨龄评估的临床效能分析

    时间:2023-04-16 11:30:09 来源:柠檬阅读网 本文已影响 柠檬阅读网手机站

    程梦 钱琦 高铖铖 田曼曼 励杨晟 林敏

    骨龄评估(Bone age assessment,BAA)在青少年的身高预测,文体部门选才,法医学鉴定及相关内分泌疾病诊疗中起至关重要的作用[1-2]。目前,在国际上骨龄评估常用的两种方法是Greulich-Pyle(GP)图谱法[3]与Tanner-Whitehouse Ⅲ(TW3)计分法[4]。GP图谱法是将检查者拍摄的左手X线片与标准X线片图像集进行比较,选取最接近的图像,得到检查者对应的骨龄,速度快但是主观性强,结果具有较大的误差[5]。TW3法需要观察手腕部及手掌13块管状骨并计算总分,查表确定骨龄,该方法准确性高,但操作过程复杂[6]。近年来,随着计算机技术的发展,国内外学者已经对自动化骨龄评估方法进行大量研究[6-8]。深度学习在医学图像配准、医学图像分割等医学影像领域已取得巨大突破,深度学习在骨龄自动评估上也具备可行性。笔者团队在前期研究中发现,采用TW3法对学龄前儿童进行骨龄评估具有一定的价值[9]。本研究采用Dr.Wise(Beijing Deepwise & League of PHD technology Co.LDT;

    Beijing,China)系统中深度学习自动骨龄评估模型(下文简称模型),探讨深度学习骨龄评估模型采用TW3法对儿童骨龄评估的临床效能。

    1.1 临床资料 收集2020年1月至2021年12月浙江中医药大学附属第三医院骨龄测定的儿童左手X线片3,008例,其中男1,741例,女1,267例,年龄5~13岁。同时收集所有儿童相关临床病史信息。随机抽取每周岁年龄段各20幅骨龄片,共180例,其中男93例,女87例。本研究经医院医学伦理委员会批准,所有受检者家属签署知情同意书。纳入标准:①受检者长期生活于浙江本地,均为汉族,右利手;
    ②无影响生长发育的慢性病及遗传病史;
    ③摄片影像清晰显示。排除标准:①上肢存在畸形、外伤病史;
    ②服用影响骨骼发育药物治疗;
    ③手腕部骨骺已完全闭合。

    1.2 检查方法 采用佳能-CMP200X线机作为成像设备,拍摄左手后前位X线片:左手掌置于照射野中心并紧贴探测板,手指自然张开,中心线对第三掌骨基底部。显示范围包括腕骨、掌骨、指骨全部,桡骨及尺骨远端3~4 cm。摄片距离约90 cm。身体其他部位做好射线防护。

    1.3 骨龄评估方法 (1)阅片方法:骨龄片以DICOM格式存储于PACS系统,受检者相关信息被隐去。骨龄评估所用方法为TW3法,涵盖两种手腕骨发育等级,掌指骨骨龄即R系列骨龄,包括桡骨、尺骨远端,第1、3、5掌指骨在内的13块骨骺,腕骨骨龄即C系列骨龄,包括头状骨、钩状骨、三角骨、月骨、舟状骨、大多角骨及小多角骨在内的7块腕骨骨骺。(2)金标准制定方法:参照张绍岩等[10]读片可靠性的研究方法,由3位接受过TW3法骨龄测定系统培训的高年资放射科主任医师。按照双盲原则对骨龄影像进行评估,将3者标注结果均值作为金标准组。(3)对照组制定方法:选取2位工作年限1~5年的放射科医师进行TW3法骨龄测定系统培训后,按照双盲原则独立评估图像,计算各自结果。(4)模型组制定方法:采用Dr.Wise系统中深度学习自动骨龄评估模型分析及计算骨龄片结果。模型评估骨龄的过程分为3步。第一步,模型基于关键点检测卷积神经网络,精确定位手指关节等结构,从而获得掌指骨和桡尺骨的骨骺区域;
    第二步,回归模型分别评估R系列和C系列骨骺的发育等级,并得到掌指骨总分和腕骨总分;
    第三步,从总分计算出相应TW3的R系列骨龄和C系列骨龄,得到模型组结果。见图1。

    图1 模型骨骺评级输出界面图

    1.4 统计学方法 采用SPSS 25.0统计软件。计算模型组和医师组与金标准组的均方误差(MSE)及平均绝对误差(MAE)评价准确性。采用组内相关系数(ICC)分析,比较模型组和医师组与金标准组的结果一致性。计量资料用(±s)表示,配对t检验。P<0.05为差异有统计学意义。对掌指骨和腕骨中模型组与金标准差异分别绘制Bland-Altman图,并计算95%一致性界限。

    2.1 模型组可重复性及效率分析 180张左手X线片全部被模型组接受。为了评估模型组的可重复性,所有X线片再次进行评估,两次结果完全一致,即模型组的可重复性为100%。对比一张X线骨龄影像的评估时间,医师组所需时间约为(10.9±3.2)min,而模型组所需时间仅(4.7±0.9)s(P<0.05)。分别统计模型组和医师组2位医师对R系列13块骨骺和C系列7块骨骺的评级,模型组在C系列上骨骺评级与医师组比较,相对金标准组更接近,在R系列上优于医师2,稍次于医师1。见表1。

    表1 模型组和医师组相对金标准组的骨骺评级

    2.2 模型组和医师组与金标准组MSE、MAE差异比较 与金标准组比较,在掌指骨骨龄评估中,模型组和医师1、医师2的MSE、MAE差异有统计学意义(P<0.05)。在腕骨骨龄评估中,模型组和医师1、医师2MSE、MAE差异有统计学意义(P<0.05)。见表2。

    表2 模型组和医师组与金标准组骨龄评估误差

    2.3 模型组和医师组与金标准组结果一致性比较 与金标准组比较,对于掌指骨骨龄评估,模型组ICC高于医师1、医师2。对于腕骨骨龄评估,模型组ICC高于医师1、医师2。见表3。

    表3 模型组和医师组与金标准组的组内相关系数

    2.4 模型组预测同金标准组评估结果比较 模型组预测的掌指骨骨龄值与金标准组掌指骨骨龄值的Bland-Altman图显示,骨龄偏差(0.11±0.37),95% CI(-0.61,+0.83)。模型组预测腕骨骨龄值与金标准组掌指骨骨龄值的Bland-Altman图显示,骨龄偏差(-0.10±0.52),95%CI(-1.11,+0.92)。见图2~3。

    图2 模型组掌指骨骨龄预测值与金标准组Bland-Altman图

    在反映儿童生长发育状况时,由于个体差异,仅根据生活年龄常缺乏真实性[2]。骨龄,是指骨骼年龄,进行手腕骨、掌骨、指骨等各个骨化中心的评估,反映受检者的生长状况更具有价值[1]。以往开展骨龄评估,通常需要依赖经验丰富的专家,且方法繁琐、耗时长久。随着骨龄检测的需求增长,人工读片的成本较高。这就驱使临床工作转向计算机科学寻求帮助,实现更为方便、迅速的技术。

    人工智能在医疗领域已有广泛应用,而计算机GPU硬件、深度学习技术的进展,使骨龄自动评估系统研究有新的突破[8]。本研究使用人工智能模型通过深度卷积神经网络提取手腕部感兴趣区,评估骨的成熟程度,计算分数,得到对应骨龄。本研究所采用的人工智能模型具有深度多级手部关键点检测网络,通过对骨骺的关键点检测,并获取手部姿态的多尺度骨骺区域,掌握局部与整体的特征后共同分析。且每种骨骺均有独立设计分支网络,依据深度卷积网络抽取特征后,分别回归骨骺发育等级,进行骨龄综合预测。

    近年来,国内外有大量研究证实人工智能对于骨龄评估的价值和意义,具有准确性、简便性、可重复性等优势[10-14]。SPAMPINATO等[8]通过对公共数据集的1,400幅X线图像进行识别,提出并测试多种骨龄评估深度学习方法,发现人工评价和自动评价的平均差异约为0.8年。研究发现应用微调的CNN于骨龄评估人工智能系统,在短时间(<2 s)内能获得较高的准确度,男女均在1年内达到92.29%,2年内达到98.56%[11]。李莉红等[12]研究进一步证实深度学习模型对基于手腕部DR影像骨龄预测的价值,且整体影像数据驱动高于临床先验知识的人工智能模型。

    本研究发现,人工智能模型评估X线骨龄片可重复性实现100%,即2次输入相同的图像所得到结果完全一样。而相较于医师组>10 min的用时,模型组仅需数秒钟即可完成评估。在C系列上的骨骺评级比较,模型组与医师组2位医师相比,相对金标准组结果更为接近;
    在R系列上模型组和医师2相比,相对金标准组结果更接近。这可能与人工评估的步骤复杂有关。评估掌指骨和腕骨骨龄影像,医师需要对每块组成骨依次判定成熟度再进行综合分析,而模型可以实现同时对每块骨的形态、大小等特征进行深度学习,迅速计算出对应骨龄。医师1的R系列评级比模型组好,但骨龄误差不如模型组。原因可能是医师1对第5中节指骨的评级存在系统性的偏高造成较大的骨龄累计误差。掌指骨和腕骨的评估表明,与金标准相比,模型组MSE、MAE均比医师组2位医师要小。表明模型组骨龄评估结果优于医师1、医师2。分析模型组和医师组与金标准组结果的一致性,对于掌指骨、腕骨的骨龄评估,前者一致性高于后者。模型组掌指骨骨龄预测值同金标准差值的95%CI(-0.61,+0.83)。模型组腕骨预测值与金标准差值的95%CI(-1.11,+0.92)。相比LARSON等[14]结果,本研究模型的评估结果与金标准一致性相对较好。

    综上所述,Dr.Wise系统中的深度学习自动骨龄评估的人工智能模型对于骨龄X线片,接受率高,评估迅速,且对于儿童的评估结果与低年资放射科医师相比具有相似甚至更好的准确性、一致性。低年资医师在骨龄诊断方面经验欠缺,尚不能与相关行业的专家相比。而人工智能模型具有临床诊断意义,可以更好辅助放射科医师,从而在骨龄评估工作中提供帮助。

    图3 模型组腕骨骨龄预测值与金标准组Bland-Altman图

    猜你喜欢腕骨骨龄指骨钢丝横穿末节指骨法治疗锤状指的临床疗效实用手外科杂志(2022年2期)2022-08-31评估身高需要定期测骨龄吗保健与生活(2022年10期)2022-05-06糖友常按腕骨穴中老年保健(2021年9期)2021-12-03骨龄预测身高靠谱吗科学24小时(2020年5期)2020-08-02骨龄测评软件在矮身材、性早熟儿童身高管理中的应用心血管外科杂志(电子版)(2018年1期)2018-11-08螺旋CT及X线平片在腕骨隐匿性骨折诊断中的比较分析实用手外科杂志(2015年2期)2015-08-28空心加压螺钉治疗末节指骨骨折实用手外科杂志(2015年2期)2015-08-28AO微型钛板内固定治疗中节指骨基底掌侧骨折伴关节脱位实用手外科杂志(2015年4期)2015-08-27多排螺旋CT 对腕骨骨折诊断的应用价值大家健康(学术版)(2015年18期)2015-08-15牵引折顶法治疗经舟状骨骨折月骨周围腕骨背侧型脱位30例体会中国民族民间医药·下半月(2014年11期)2014-12-10
    相关热词搜索: 效能 临床 深度

    • 文学百科
    • 故事大全
    • 优美句子
    • 范文
    • 美文
    • 散文
    • 小说文章