基于 AI 技术的 CT 影像颅骨骨折智能检测临床研究

黄 冬云, 夏 军
广州医科大学研究生院

摘要

随着计算机 AI 技术的突飞猛进及 CT 成像设备的普及化，在医院工作量明显增大及精确诊断的情形下，需对骨折患者进行快速精准的自动诊断。本文总结了基于放射影像的骨折智能诊断技术的发展；并提出了一种基于深度学习卷积神经网络的颅骨骨折智能诊断算法，并测试了算法的性能，包括检出率 TPR 和 FPR。最后对该技术在医疗领域的应用价值以及面临的考验进行了展望。

关键词

CT；颅骨骨折；医学图像处理；辅助诊断；深度学习

参考

1、刘路, 陈明其, 卢瑞东. 螺旋 CT 三维重建在 20 例颅骨骨折诊治中的应用[J]. 贵州医药, 2009, 033(004):355.2、王利君, 李家宏, 李晓明,等. 颅骨骨缝与颅骨骨折鉴别诊断一例[C]// 中国法医学会法医临床学学术研讨会论文集. 3、陶开忠. 颅骨骨折的 CT 诊断及鉴别诊断[J]. 健康之路, 2013, 000(012):268-269.4、陈祖蓉, 宋锦宏, 伍福强,等. 64 排螺旋 CT 薄层横断及 VR三 维 重 建 综 合 应 用 在 颅 骨 骨 折 诊 断 中 的 价 值[J]. 医 学 信 息, 2013(25):58-58.5、曹在民, 赵国权, 罗长青,等. 多层螺旋 CT 容积扫描及三维重 建 在 颅 骨 骨 折 诊 断 中 的 应 用 [J]. 临 床 军 医 杂 志 , 2012, 40(005):1246-1247.6、谢新琳. CT 诊断颅骨骨折的价值分析[J]. 中国实用医药, 2007, 2(13):79-79.7、刘端铭. 肋骨骨折在轴位 CT 图像上的定位诊断[J]. 解放军医药杂志, 2011, 23(002):55-57.8、周清清, 王佳硕, 唐雯,等. 基于卷积神经网络成人肋骨骨折 CT 自动检测和分类的应用研究[J]. 影像诊断与介入放射学, 2020, 029(001):27-31.9、朱海云, 龚红伟. 骨折数字化 X 线自动诊断技术研究现状[J]. 中国数字医学, 2015(10):67-69.10、郑伟. 基于混合推理的骨折智能诊断与治疗系统的研究[D]. 哈尔滨理工大学, 2005.11、张春玲, 宋明军, 杜海涛,等. 颅盖骨骨折 CT 图像的计算机自动分析研究[J]. 中国医学物理学杂志, 2013(06):4537-4542.12、马娜. 骨折图像特征提取与分型识别技术研究[D]. 河北大学.13、郑伟. 基于混合推理的骨折智能诊断与治疗系统的研究[D]. 哈尔滨理工大学, 2005.14、S, Derkatch, C,等. 采用卷积神经网络识别脊柱骨折来预测非椎体和髋部骨折:基于双能 X 线吸收的登记队列研究[J]. 国际医学放射学杂志, 2020, v.43(01):112-112.15、C.T.Cheng, T.Y.Ho, T.Y.Lee,等. 深度学习算法在骨盆平片中检 测 髋 部 骨 折 的 应 用 [J]. 国 际 医 学 放 射 学 杂 志 , 2019, v.42(06):123-123.16、Kalmet PHS, Sanduleanu S, Primakov S, Wu G, Jochems A, Refaee T, Ibrahim A, Hulst LV, Lambin P, Poeze M. Deep learning in fracture detection: a narrative review. Acta Orthop. 2020 Apr;91(2):215-220. doi: 17、Lindsey, R., et al. (2018). "Deep neural network improves fracture detection by clinicians." Proceedings of the National Academy of Sciences 115((Kim and MacKinnon 2018)45): 11591.18、Kim, D. H. and T. MacKinnon (2018). "Artificial intelligence in fracture detection: transfer learning from deep convolutional neural networks." Clinical Radiology 73(5): 439-445.