Эффективность новой интеллектуальной системы в оценке угла сколиоза по рентгенограммам позвоночника и возможность ее клинического применения

Авторы

  • Дима Кассаб Санкт-Петербургский государственный университет, Российская Федерация, 199034, Санкт-Петербург, Университетская наб., 7–9
  • Ирина Камышанская Санкт-Петербургский государственный университет, Российская Федерация, 199034, Санкт-Петербург, Университетская наб., 7–9 ;Санкт-Петербургская городская Мариинская больница, Российская Федерация, 191014, Санкт-Петербург, Литейный пр., 56
  • Станислав Трухан ООО «Эспер», Российская Федерация, 143409, Красногорск, ул. Успенская, 24
  • Наталья Ладогубец Санкт-Петербургский государственный университет, Российская Федерация, 199034, Санкт-Петербург, Университетская наб., 7–9

DOI:

https://doi.org/10.21638/spbu11.2023.305

Аннотация

Метод Кобба является до сих пор золотым стандартом в оценке угла сколиотической деформации позвоночника. Субъективность оценки степени сколиоза по углу Кобба всегда была главным недостатком этого метода. Целью данной работы явилось изучение диагностических возможностей новой системы (программы ЭВМ) Esper.Scoliosis в оценке степени сколиоза путем автоматического измерения углов Кобба на фронтальных рентгенограммах. Система основана на обучении искусственных нейронных сетей. Проведено сравнение результатов анализа рентгенограмм интеллектуальной системой и врачом-рентгенологом на тестовом наборе снимков, состоящим из 114 цифровых рентгенограмм с разной степенью сколиоза. На 84,8 % найденных искривлений не было обнаружено существенной разницы в измерении угла Кобба между системой и врачом (вариабельность < 2,5°). Больше согласованности в измерениях между двумя методами найдено в группах сколиоза с I и II степенью. Было заметно, что качество рентгенограмм играет основную роль в точности определения тел позвонков и измерения углов. Рекомендуется контролируемое использование системы Esper.Scoliosis врачом-рентгенологом в клинической практике в качестве объективного инструмента измерения угла Кобба.

Ключевые слова:

scoliosis, radiographs, artificial intelligence, spine, artificial neural networks

Скачивания

Данные скачивания пока недоступны.
 

Библиографические ссылки

Литература

Negrini S., Donzelli S., Aulisa A. G., Czaprowski D., Schreiber S., de Mauroy J. C., Diers H., Grivas T. B.,Knott P., Kotwicki T., Lebel A., Marti C., Maruyama T., O’Brien J., Price N., Parent E., Rigo M., Romano M., Stikeleather L., Wynne J., Zaina F. 2016 SOSORT guidelines: orthopedic and rehabilitation treatment of idiopathic scoliosis during growth // Scoliosis and Spinal Disorders. 2018. Vol. 13, no. 3.https://doi.org/10.1186/s13013-017-0145-8

Ketenci İ. E., Yanik H. S., Erdoğan Ö., Adıyeke L., Erdem Ş. Reliability of 2 Smartphone Applications for Cobb Angle Measurement in Scoliosis // Clin. Orthop. Surg. 2021. Vol. 13, no. 1. P. 67–70.

Briganti G., Le Moine O. Artificial intelligence in medicine: Today and Tomorrow // Front. Med. 2020.Vol. 5. P. 7–27.

Amisha, Malik P., Pathania M., Rathaur V. K. Overview of artificial intelligence in medicine // Journal of Family Medicine and Primary Care. 2019. Vol. 8, no. 7. P. 2328–2331.

Rong L. A. Review of medical artificial intelligence // Global Health Journal. 2020. Vol. 4, no. 2. P. 42–45.

Huang J., Li J., Li Z., Zhu Z., Shen C., Qi G., Yu G. Detection of diseases using machine learning image recognition technology in artificial intelligence // Computational Intelligence Neuroscience. 2022.April 13. https://doi.org/10.1155/2022/5658641

Гусев А. В. Перспективы нейронных сетей и глубокого машинного обучения в создании решений для здравоохранения // Врач и информационные технологии. 2017. № 3. С. 92–105.

Ортопедия: клинические рекомендации / под ред. С. П. Миронова. М.: ГЭОТАР-Медиа, 2018.


References

Negrini S., Donzelli S., Aulisa A. G., Czaprowski D., Schreiber S., de Mauroy J. C., Diers H.,Grivas T. B., Knott P., Kotwicki T., Lebel A., Marti C., Maruyama T., O’Brien J., Price N., Parent E.,Rigo M., Romano M., Stikeleather L., Wynne J., Zaina F. 2016 SOSORT guidelines: orthopedic and rehabilitation treatment of idiopathic scoliosis during growth. Scoliosis and Spinal Disorders, 2018, vol. 13, no. 3. https://doi.org/10.1186/s13013-017-0145-8

Ketenci İ. E., Yanik H. S., Erdoğan Ö., Adıyeke L., Erdem Ş. Reliability of 2 Smartphone Applications for Cobb Angle Measurement in Scoliosis. Clin. Orthop. Surg., 2021, vol. 13, no. 1, pp. 67–70.

Briganti G., Le Moine O. Artificial intelligence in medicine: Today and Tomorrow. Front. Med., 2020,vol. 5, pp. 7–27.

Amisha, Malik P., Pathania M., Rathaur V. K. Overview of artificial intelligence in medicine. Journal of Family Medicine and Primary Care, 2019, vol. 8, no. 7, pp. 2328–2331.

Rong L. A. Review of medical artificial intelligence. Global Health Journal, 2020, vol. 4, no. 2, pp. 42–45.

Huang J., Li J., Li Z., Zhu Z., Shen C., Qi G., Yu G. Detection of diseases using machine learning image recognition technology in artificial intelligence. Computational Intelligence Neuroscience, 2022,April 13. https://doi.org/10.1155/2022/5658641

Gusеv A. V. Prospects for neural networks and deep machine learning in creating health solutions.Information technologies for the Physician, 2017, no. 3, pp. 92–105. (In Russian)

Orthopedics: clinical guidelines, ed. by S. P. Mironov. Moscow, GEOTAR-Media Publ., 2018, 784 p.(In Russian)

Загрузки

Опубликован

19.03.2024 — Обновлена 02.04.2024

Версии

Как цитировать

Кассаб, Д., Камышанская, И., Трухан, С., & Ладогубец, Н. (2024). Эффективность новой интеллектуальной системы в оценке угла сколиоза по рентгенограммам позвоночника и возможность ее клинического применения. Вестник Санкт-Петербургского университета. Медицина, 18(3), 293–303. https://doi.org/10.21638/spbu11.2023.305 (Original work published 19 март 2024 г.)

Выпуск

Раздел

Лучевая диагностика, лучевая терапия