人工智能提前检测当前可能的关节炎

神经网络学习使用指关节区分健康与点火骨

研究人员能够教书人工智能神经网络辨别两种不同类型关节炎和健康关节神经网络检测到82%的健康关节和75%风波关节炎结合医生的专业知识,它可能导致更精确的诊断研究者正计划深入调查另一个项目中的这一方法

由一组医生和计算机科学家实现的突破已在杂志上发布医学前沿.

多种关节炎类型不同,确定哪种发炎会影响病人关节可能比较困难。Friedrich-Alecander-Universität Erlangen大学和Universitätslinikum Erlangen的计算机科学家和医生现在教人工神经网络,在跨学科研究中辨别风潮关节炎、感应关节炎和健康关节

BMBF资助的项目“关节炎解析分子特征描述Andreas Maier和LukasFolle从计算机科学5教程(亲学识别)和PDDDArndKleyer教授博士Georg Schett3医学系Erlangen大学负责调查下列问题:人工智能能否识别基于联合形状模式的不同关节炎形式策略对更精确诊断无差别关节炎有用吗?联合点中是否有任何部分诊断时应更仔细检查

目前,缺少生物标志正确分类关节炎相关形式挑战用于帮助诊断的X光图片也不完全可信,因为它们二维性不够精确并留有解析空间外加对X射线成像联合测试的挑战

人工网络使用指关节学习

研究团队集中调查指针元数接合点-即人体中常早期受风湿关节炎或声波关节炎等自动机性疾病影响的区域人造神经元网络培训使用高分辨率外围计算机定量剖析法(HR-PQCT)的指纹扫描法,目的是区分健康关节和风波或关节炎病人关节

HR-PQCT选用,因为它目前是用最高分辨率制作三维人体骨像的最佳量化方法关节炎方面,骨骼结构变化可以非常精确检测,从而使精确分类成为可能

神经网络可提高处理目标

共从611名病人中扫描932次HR-pQCT检验人工网络能否实际实现它所学到的东西:它能否对先前分类指关节提供正确评估

结果表明AI检测到82%的健康关节、75%风波关节炎和68%声波关节炎,这是一个高概率而无进一步信息结合风学专家的专业知识后,它可能导致更精确的诊断此外,当提交无差别关节炎案例时,网络能够正确分类这些案例。

显示人工智能能帮助我们更容易地分类关节炎,然而,我们知道还有其他类别需要输入网络并计划将AI方法转至超声波或MRI等其他成像方法,

热点可能导致快速诊断

研究团队能够使用高分辨率计算机断层照相机,但由于空间和成本约束,在正常情况下医生很少能使用这类成像神经网络检测到部分关节最能提供 特定类型关节炎信息 即人工热点未来,这可能表示 医生可以使用这些区域 解析拼图中的另一块确认疑似案例克莱尔这会节省诊断期间的时间和精力,实际上已经有可能使用超声波等Kleyer和Maier正计划与他们的研究组在另一个项目中进一步调查这一方法

参考文献:Lukas Folle、David Simon、KorayTascilar、GerhardKrönke、Anna-Maria Liphardt、Andreas Maier、Georg Schett和ArndKleyer等组织2022年3月10日医学前沿.
DOI:10.389/fmed.2022.850552