AlexNet模型分级诊断膝关节软骨损伤

作者：车至玮; 郭冬梅^*; 张丽榕; 韩云鹏; 任新萍

来源：中国介入影像与治疗学, 2023, 20(04): 218-222.

DOI：10.13929/j.issn.1672-8475.2023.04.007

• 膝关节
• 软骨疾病
• 深度学习
• 磁共振成像

目的 基于3.0T MR常规序列图像及T2 mapping构建AlexNet模型，观察其用于分级诊断膝关节软骨损伤的价值。方法 针对131例膝关节软骨损伤患者及25名无膝关节病变体检者共选取2 500幅膝关节MRI,包括常规序列图像及T2 mapping,建立AlexNet模型；对比观察人工阅片、SqueezeNet模型及AlexNet模型用于分级诊断膝关节软骨损伤的效能。结果 AlexNet模型分级诊断膝关节软骨损伤的整体效能高于人工阅片及SqueezeNet模型(P均<0.05);其分级诊断膝关节软骨损伤的准确率为97.50%,诊断Ⅰ级损伤精确度、召回率及F1-score分别为99.66%、98.67%及99.16%,Ⅱ级损伤为94.70%、95.33%及95.02%,Ⅲ级损伤为95.61%、94.33%及94.97%,Ⅳ级损伤为98.04%、100%及99.01%。结论 AlexNet模型用于分级诊断膝关节软骨损伤效能较佳。

• 单位
  大连东软信息学院; 大连市第三人民医院; 大连医科大学附属第二医院