摘要
目的:评估一种根据X线片诊断是否存在髋关节置换术后假体松动的机器学习算法的能力.方法:选取2014年～2019年53例患者行全髋关节翻修手术的患者作为研究对象.搜集翻修术前的骨盆正位片,并根据手术记录将患者分为假体松动组和假体稳定组.使用卷织神经网络(convolutional neural network,CNN)模型来预测翻修术前X线片是否存在假体松动.结合术中情况对预测结果进行评价.将患者分为两组,一组为训练组,包含17例松动患者和25例假体稳定患者;另一组为验证组,包含4例松动患者和7例假体稳定的患者.患者的影像资料首先需要在内转化为256×256像素的矩阵图.在经过图像训练后输入验证组图像对模型验证假体松动的准确率进行评估.结果:验证组中共计6例患者被模型判断为假体松动,其中包括4例松动组的患者和2例稳定组的患者.模型判断假体松动的敏感性为100％,特异性为66％.结论:卷织神经网络模型可以协助临床医生对髋关节置换术后假体松动进行诊断并具有较高的敏感性.
NETL
NSTL
维普
万方数据