股骨头坏死自动分类模型

CNN自动分类

基于深度学习的卷积神经网络模型，用于股骨头坏死严重程度自动分类并定位坏死区域，多中心数据验证其高准确性和泛化能力。

Shen, Xianyue · Shi, Yi · 刘潼 · Yang, Yuhui · Jia, Luo · Tang, Xiongfeng · Chen, Bo · 徐圣昊 · 周柚 · 肖建林 · Qin, Yanguo

Journal of Arthroplasty 2023

参数信息

总体准确率

87.8 %

总体准确率

83.8 %

宏观平均AUC

0.90

宏观平均AUC

0.87

宏观平均精确率

84.8 %

宏观平均精确率

79.5 %

宏观平均召回率

84.8 %

宏观平均召回率

80.5 %

技术优势

自动分类

利用卷积神经网络直接从MRI图像预测股骨头坏死分期，无需人工手动评估。

高准确率

模型在内部验证中总体准确率达87.8%，外部验证为83.8%，表现稳定。

媲美专家

在人机对比中，模型性能超过或相当于副主任骨科医生。

定位坏死

模型不仅能分类分期，还能正确标记坏死区域，辅助医生评估塌陷风险。

应用场景

• 骨科影像诊断：自动对股骨头坏死MRI进行分期和坏死区域定位，替代医生手动分类。
• 临床决策支持：提供客观准确的分期结果，辅助医生选择干预措施，预防塌陷。
• 医学图像分析：实现股骨头坏死MRI的端到端自动分类和坏死区域分割。