Radiology：人工智能技术在x线片骨折识别中的运用于

在各种流行病学环境下，用于x本站片明确截肢的存在是影像科最少用的指导之一。截肢的漏诊在影像科十分少用，这将延误病变的病患，甚至造成严重的流行病学后果。因此，对截肢的准确识别及判断对流行病学至关重要。

当今世界，关于计算机科学（AI）辅助截肢检测的几项研究成果只针对均身体部位，且x本站片的阅大众只针对了影像科护士和骨科护士，结果并不兼具代表性。

近日，发表在Radiology周刊的一项研究成果分析报告了计算机科学的襄助对护士在X本站片上截肢检验显出的受到影响，为截肢的更快、准确检验缺少了反对。

本项回顾性检验研究成果采用了多RF、多案例的方法，基于2020年7月至2021年1月期间480次检查的举例来说多中心数据集，每个身体区域（脚和踝、膝和腿、髋和骨盆、手和手腕、肘和前臂、背和锁骨、颈部和胸腰椎）将近有60次检查。截肢的发生率被设定为50%。基础道理由两位身体骨骼放射科护士已确定，差异由第三位护士消除。向24名大众（放射科护士、骨科护士、急诊护士、顾问护士、风湿病护士、家庭护士）展示了整个正确性数据集（n = 480）。主要分析方法必须确实在计算机科学的为了让下，每个病变的检验依赖性有优势，每个病变的抗体在-3%的范围内没有劣势。实质上的计算机科学稳定性也用于受试者指导物理性质曲本站透过分析报告。

共有扩展到480名病变（年龄，59岁±16[置信区间]；327名女性）。用于计算机科学能用（5760个飞行中中的4331个，75.2%）比不用于计算机科学（5760个飞行中中的3732个，64.8%）的情况下，每位病变的依赖性增加10.4%（95% CI：6.9，13.9；P < .001为优）。有AI辅助的每位病变的抗体（5760次飞行中中的5504次，95.6%）不逊于无AI辅助的病变（5760次飞行中中的5217次，90.6%），差异为+5.0%（95%CI：+2.0，+8.0；P = .001为非劣质性）。AI使每次检查的平均飞行中时间缩短了6.3秒（95%CI：-12.5，-0.1；P = .046）。按病人增益的依赖性在所有区域都很明显（+8.0%至+16.2%；P < .05），但背和锁骨以及脊柱（+4.2%和+2.6%；P = .12和.52）并不明显。

图 在计算机科学辅助下截肢检测检验稳定性的增加

总之，计算机科学辅助增加了影像科护士和非影像科护士对涉及各种解剖位置的截肢检测的依赖性，甚至可增加抗体。该关键技术还降低阅读X本站光片所需的时间。

原意出处：

Ali Guermazi,Chadi Tannoury,Andrew J Kompel,et al.Improving Radiographic Fracture Recognition Performance and Efficiency Using Artificial Intelligence.DOI:10.1148/radiol.210937