基于深度学习的人工智能测量婴儿非偏心型髋关节的研究

作     者：郭爽萍 倪东 尚宁 王丽敏 胡歆迪 吕栩再 梁永栋 Guo Shuangping;Ni Dong;Shang Ning;Wang Limin;Hu Xindi;Lyu Xuzai;Liang Yongdong

作者机构：广东省妇幼保健院超声诊断科广州511400 深圳大学医学部生物医学工程学院518071 南京医科大学生物医学工程与信息学院211166 广东省妇幼保健院医务科广州511400 

出 版 物：《中华医学超声杂志（电子版）》 (Chinese Journal of Medical Ultrasound(Electronic Edition))

年 卷 期：2021年第18卷第5期

页      面：467-471页

核心收录：

学科分类：12[管理学] 08[工学] 1010[医学-医学技术（可授医学、理学学位）] 0831[工学-生物医学工程（可授工学、理学、医学学位）] 100207[医学-影像医学与核医学] 1201[管理学-管理科学与工程(可授管理学、工学学位)] 1002[医学-临床医学] 081104[工学-模式识别与智能系统] 100202[医学-儿科学] 0835[工学-软件工程] 0811[工学-控制科学与工程] 0812[工学-计算机科学与技术（可授工学、理学学位）] 10[医学] 

主　　题：发育性髋关节发育不良 超声 人工智能 深度学习 

摘      要：目的评估人工智能模型自动测量婴儿髋关节发育指标的临床应用价值。方法选取2019年1月至11月于广东省妇幼保健院超声科进行髋关节超声检查的婴儿231例(共462张标准髋关节图片),使用组内相关系数(ICC)、Deming回归对高年资医师与人工智能测量髋关节数据进行一致性分析,使用ICC对高年资医师、低年资医师、人工智能测量数据进行观察者间一致性分析,对高年资与低年资医师测量数据进行观察者内一致性分析。结果高年资医师与人工智能测量α角和β角的ICC分别为0.823、0.745;Deming回归斜率分别为0.856、1.205;回归残差图围绕参考线相对对称。高年资医师与低年资医师测量α角的ICC为0.77,β角的ICC为0.70;低年资医师与人工智能测量α角的ICC为0.79,β角的ICC为0.71;高年资医师与人工智能测量α角的ICC为0.87,β角的ICC为0.79。高年资医师测量2次α角的ICC为0.89,β角的ICC为0.84;低年资医师测量2次α角的ICC为0.88,β角的ICC为0.82。结论深度学习的人工智能模型测量髋关节数据与医师测量数据一致性好,且更接近高年资医师测量水平,可辅助超声医师进行临床早期筛查和诊断。