目的:探讨卷积神经网络(CNN)在胸部CT肋骨骨折诊断中应用的准确性和可行性。方法:收集2017年5月至2019年5月于山西白求恩医院行胸部CT检查的305例肋骨骨折患者的影像资料,经过图像裁剪构建包含5类胸部CT肋骨骨折图像数据集,共7433张图像,作为训练组数据,在深度学习caffe框架下采用Faster R-CNN和Yolov3模型对数据集进行训练和测试。另选取同期肋骨骨折患者20例,裁剪后144幅包含肋骨骨折的CT图像作为验证组,由两位高年资主任医师阅片并确定肋骨骨折类型及部位等作为诊断标准,分别使用Faster R-CNN、Yolov3模型进行验证,同时两位CT医师对验证组图像进行判读。比较3种方法的诊断准确率、诊断一致性及阅片时间。结果:验证组144幅CT图像共包含162处骨折,骨折类型包括双侧骨皮质断裂71处、外侧骨皮质断裂38处、内侧骨皮质断裂21处、骨皮质屈曲骨折12处、其他类型骨折20处。Faster R-CNN模型、Yolov3模型、CT医师诊断肋骨骨折的总准确率分别为95.68
作者:吴山;张雄;刘兴君;武志峰;鄂林宁
来源:中华生物医学工程杂志 2022 年 28卷 3期