基于半监督网络的前交叉韧带损伤膝关节磁共振诊断辅助研究

作     者：危俊杰 张程远 姜智瀚 刘坤 孔薇 袁锋 WEI Junjie;ZHANG Chengyuan;JIANG Zhihan;LIU Kun;KONG Wei;YUAN Feng

作者机构：上海海事大学信息工程学院上海201306 上海交通大学医学院附属第六人民医院骨科上海200233 上海健康医学院附属第六人民医院东院骨科上海201306 

出 版 物：《同济大学学报（医学版）》 (Journal of Tongji University(Medical Science))

年 卷 期：2024年第45卷第4期

页      面：503-509页

学科分类：1002[医学-临床医学] 100210[医学-外科学(含：普外、骨外、泌尿外、胸心外、神外、整形、烧伤、野战外)] 10[医学] 

基　　金：上海市科学技术委员会项目(20Y11913300) 上海市申康医院发展中心项目(SHDC12020118) 上海市浦东新区卫生健康委员会项目(PW2022D-11) 上海健康医学院校级科研项目(SSF-23-14-004) 

主　　题：深度学习 机器学习 人工智能 前交叉韧带 磁共振成像 

摘      要：目的本研究基于半监督算法残差网络(semi-supervised algorithm Residual network,SMRNet)的深度学习方法,探索其在计算机辅助自主分析膝关节MRI诊断前交叉韧带(anterior cruciate ligament,ACL)损伤方面的应用。方法使用100名经过关节镜确认的ACL损伤患者和100名关节镜确认无ACL损伤的患者的术前MRI图像。在选取适当层面后,裁剪并用于SMRNet的训练。SMRNet对单个MRI切片上ACL损伤的概率进行最终判断。4名临床医师对相同图像进行读片诊断。结果SMRNet分类的敏感性、特异性、准确性、阳性预测值和阴性预测值分别为97.00%、94.00%、95.50%、94.17%和96.91%。医师的整体阅片情况类似,敏感性区间91.00%96.00%、特异性区间90.00%94.00%、准确性区间90.50%95.00%、阳性预测值区间90.09%94.12%、阴性预测值区间90.90%95.92%,二者差异无统计学意义(P0.05)。结论经过训练的SMRNet模型在ACL损伤检测上超越部分临床医师,为膝关节MRI诊断提供高效可靠方法,展现深度学习在医学影像的潜力。未来,SMRNet有望成为膝关节MRI诊断的重要工具,为患者提供更精准的诊疗方案。