机构名称：
¥ 1.0
摘要 - 目的：Q角的测量缺乏标准化，其潜在的风险未能检测到临床相关发现和对patelo股病理中所需的干预类型的类型的临床相关发现和错误判断。这项研究的目的是实施一个机器学习模型，以直接从X光片中对Q角进行准确和可靠的测量。材料和方法：手动注释了187张X光片（其中约50个属于儿科患者），用于前上部棘突（ASIS），the骨的中心和胫骨结节，然后通过不同的图像预辅助技术来增强。X射线中的百分之八十五用于训练，15％用于测试和验证。与地面真相相比，使用全腿X光片（WLR）和边界框（BB）模型测试了预测性能（WLR）（BB）模型（操作员确定的关键点和Q-angles）。结果：总的来说，平均预测误差是the和ASIS的最小，并且是胫骨结节的最高。与WLR相比，BB模型在所有点和Q角的预测中产生了较小的平均误差（胫骨结节除外，这是可比的），并且与地面真相的一致性最高，没有Q-Angle的偏见。结论：该概念验证研究支持使用AI驱动的自动算法来识别直接从患者的X光片测量Q角的关键点。结果证明了边界框方法的可靠性最高，并且该算法能够正确识别异质患者群体的关键点的能力。
适用于Q角度测量的人工智能
主要关键词
相关文件推荐
