关键词:
肋骨骨折/影像诊断
体层摄影术,螺旋计算机
人工智能
摘要:
【目的】探讨基于深度学习的人工智能(AI)软件在肋骨新鲜骨折CT诊断中的应用价值。【方法】选择2022年6月至2023年9月本院收治的符合标准的259例新鲜骨折患者,将其影像学资料导入AI软件工作站,以放射科一位工作8年的主治医师及AI软件诊断肋骨骨折情况进行分组,A组为AI软件单独诊断,B组为医师单独诊断,AB组为医师联合AI软件诊断。分别记录三组的骨折病灶数量、部位、分型,将三组结果与参考标准进行分析,比较三组骨折检出的敏感度、误诊率、不完全性骨折检出率,比较B组、AB组平均诊断时间。【结果】259例患者共563处骨折,完全性骨折385处,不完全性骨折178处。A组、B组、AB组骨折检出的敏感度分别为91.47%、83.13%、92.54%,三组敏感度比较,差异有统计学意义(P<0.05)。A组、AB组骨折检出的敏感度均高于B组,差异有统计学意义(P<0.05)。A组、B组、AB组的误诊率分别为20.03%、13.17%、12.58%,三组误诊率比较,差异有统计学意义(P<0.05)。A组误诊率最高,显著高于B组、AB组,差异有统计学意义(均P<0.05)。A组、B组、AB组的不完全性骨折的检出率分别为75.28%、50.56%、76.40%,三组比较,差异有统计学意义(P<0.05)。AB组平均诊断时间短于B组,差异有统计学意义(P<0.05)。【结论】医师与AI共同诊断提高了肋骨新鲜骨折检出的敏感度,主要体现在不完全性骨折的检出率上,还可明显缩短诊断时间,提高工作效率。