基于深度学习的人工智能在髋臼指数测量中的应用

目的:构建一种能够快速、准确测量髋臼指数的人工智能深度学习系统，并评估其在临床应用中的准确性。方法:回顾性收集安徽医科大学附属省儿童医院2014年4月至2018年12月共10 219张标准骨盆平片，从中随机选取9 219张，用于训练和验证深度学习系统，剩余的1 000张骨盆平片用于测试。所有骨盆平片由13位临床医生组成的专家委员会通过图像存档及通信系统用统一的标准进行标注测量髋臼指数。随后，从测试集中随机抽取200张由另外8位医生独立测量。使用Bland-Altman检验对系统与临床医生测量结果进行一致性分析。结果:测试集共1 000例(2 000髋)，与专家委员会测量相比，深度学习系统测量根据Bland-Altman方法确定的95%一致性界限(95% limits of agreement，95%LOA)为－4.02°~3.45°(bias＝－0.27°， P<0.05)。在深度学习系统与8位临床医生测量评估中，与专家委员会测量相比，测量误差最小医生95%LOA为－2.76°~2.56°(bias＝－0.10°， P＝0.126)；深度学习系统95%LOA为－2.93°~2.86°(bias＝－0.03°， P＝0.647)；测量误差最大医生95%LOA为－3.41°~4.25°(bias＝0.42°， P<0.05)。和8位医生相比，深度学习系统测量误差仅大于一名高年资医生。 结论:深度学习系统能够快速且准确的测量标准骨盆平片的髋臼指数，其测量髋臼指数数据与临床医生测量数据一致性好，且更接近高年资医生测量水平。