Wydajność diagnostyczna oprogramowania do oceny wieku kostnego opartego na głębokim uczeniu się chińskich dzieci

Wysoka dokładność i precyzja oceny wieku kostnego jest bardzo ważna w diagnostyce i monitorowaniu leczenia różnych chorób wieku dziecięcego. Powszechnie stosowanymi metodami oceny wieku kostnego są atlas lekarza rodzinnego, punktacja TW3 oraz Zhonghua 05. Metoda GP polega na porównaniu filmów rentgenowskich nadgarstka z filmami rentgenowskimi referencyjnymi atlasu. Jego głównymi wadami są silna subiektywność i długi standardowy interwał atlasu. W odróżnieniu od metody GP, metoda TW3 polega na ocenie i ocenie każdej kości, dodaniu każdej oceny nasad kości w celu obliczenia całkowitej oceny dojrzałości kości i uzyskania odpowiedniej końcowej wartości wieku kości. Chociaż metoda punktacji TW3 jest stosunkowo dokładna, jest złożona i czasochłonna, a wśród oceniających występuje duża zmienność. Aby skuteczniej i dokładniej ocenić wiek kostny, w przezwyciężeniu tych problemów może pomóc metoda oparta na technologii automatycznego rozpoznawania obrazu komputerowego.

W niniejszym badaniu jako obiekty badawcze wybrano 1000 dzieci w wieku 1-18 lat przebywających w 5 szpitalach. Po zarejestrowaniu filmów z wiekiem kostnym za pomocą aparatu do badania wieku kostnego rejestrowane są wyniki odczytu filmu i czas oceny grupy AI, grupy sztucznej i grupy standardowej. Miesiąc później sztuczna grupa ponownie analizuje 1000 filmów przy pomocy systemu AI, a czas oceny jest rejestrowany. Na koniec porównuje się dokładność i różnicę czasu sztucznej grupy, grupy AI, sztucznej połączonej grupy AI i grupy standardowej.

Celem tego badania jest wykorzystanie najbardziej zaawansowanego oprogramowania do oceny wieku kostnego opartego na sztucznej inteligencji do głębokiego uczenia się w celu zbadania wartości instrumentu do oceny wieku kostnego w celu poprawy dokładności i skuteczności diagnostycznej oceny wieku kostnego przez pediatrów.