楊冬均 張紹金 穆蘭

摘要：目的 對人工智能在骨肌系統(tǒng)影像領域中的應用進行探討。方法 對近幾年人工智能在骨肌系統(tǒng)影像領域的應用效果進行分析，在骨科科室內隨機選取20位骨科患者，隨機分為對照組與實驗組，對照組患者·使用傳統(tǒng)醫(yī)學影響技術，實驗組患者使用人工智能系統(tǒng)。對兩組患者的誤差幾率比較。結果 使用人工智能的對照組患者骨肌系統(tǒng)影像檢測失誤率遠遠小于對照組，說明人工智能對于骨肌系統(tǒng)影像利用與信息發(fā)掘能力遠高于傳統(tǒng)方式。結論在科技越加發(fā)達的現代，對醫(yī)學技術的要求越來越高，想要充分發(fā)揮骨肌系統(tǒng)影像的作用，增加成像準確性，尋找新的治療途徑與方法，提高患者治愈率，必要時，可以充分發(fā)揮人工智能在骨肌系統(tǒng)影像中的作用。

關鍵詞：人工智能;骨肌系統(tǒng);醫(yī)學影像學;

近年來人工智能技術不斷發(fā)展，并且在云數據庫，大數據的前提下，人工智能體系發(fā)展的更加完善，已逐步滲透至醫(yī)學領域，其中，人工智能在醫(yī)學影響方面起到較深的影像，人工智能運用在骨肌系統(tǒng)影像中可以通過AI智能的方式高效并且精確的尋找病變部位，提供更加全面的預后評估，可以提高醫(yī)師工作效率，降低醫(yī)療成本。骨肌系統(tǒng)疾病與骨及周圍關節(jié)密切相關，且骨肌系統(tǒng)病情種類較多，骨科中常見的使用影像的方法對病因以及病變部位進行觀察，影像學也是治療骨科疾病的重要基礎。影像學檢查作為骨科中的重要檢查方法，其準確度與患者病情的治療積極相關，是疾病診療的基礎，現代醫(yī)學要求的目的逐漸多樣化，醫(yī)學影像學已經從傳統(tǒng)的定位，定量演變成如今的多選擇評估，診療方案多項選擇和精準的預后評估（1）。

1資料與方法

1.1一般資料

對近幾年人工智能在骨肌系統(tǒng)影像領域的應用效果進行分析，在骨科科室內隨機選取20位骨科患者，所選患者應符合相關診斷診斷標準，隨機分為對照組與實驗組，對照組患者·使用傳統(tǒng)醫(yī)學影響技術，實驗組患者使用人工智能系統(tǒng)。對兩組患者的誤差幾率比較兩組患者中，對照組患者平均年齡30±2.3歲，其中男性患者4人，女性患者6人，實驗組中，患者平均年齡29±3.1歲，其中男性患者5人，女性患者5人，兩組患者均符合收納標準，且患者的其他一般資料無影響（p>0.05）。

1.2方法

1.2.1人工智能在骨肌影像領域應用概況

根據國內外研究報道，對人工智能在骨肌影像系統(tǒng)領域中的應用情況做出以下概述：

1對骨齡的檢測，該項技術是依靠于深度學習技術，通過AI計算出的結果通過影像與綜合分析結合患者實際情況對患者的左手和手腕進行x射線檢查，從而起到評估患者體內生長激素水平與內分泌，或用于矯正正骨或手術需要，或用于測定患者的最終身高，并生成患者骨齡評價，身高預測與發(fā)育評價報告等。

2骨折檢測

骨折是骨科科室的常見疾病，也是臨床常見的疾病之一，因人體骨骼結構的復雜多變性，也是臨床誤診漏診的常見病因，使用人工智能在骨肌系統(tǒng)影像的檢測系統(tǒng)，可以精準發(fā)現骨折類別與骨折部位，具有一定的臨床診斷意義，根據國內外多項報道顯示，使用深度卷積神經網絡 （convolutional neural network，CNN），模型檢測和分類肱骨近端骨折，結果顯示 CNN模型在區(qū)分正常肩部和肱骨近端骨折方面準確率高達 96%李小敏等[1] 利用深度學習算法在 CT 圖像上自動檢測和分類跟骨骨折，其準確率達到了 98%。周清清等[2]，這種依賴于人工智能的CNN算法，相比一般的計算模型，具有更加優(yōu)秀的診斷效能，可以在短時間內縮短檢測的平均時長，對于輔助放射科醫(yī)生進行臨床診斷具有一定的積極意義。使用人工智能對骨折患者進行診療分析的過程中，不僅可以提高患者病情恢復速度，減小失誤率，更能減小醫(yī)生的工作量。

3骨腫瘤

人工智能運用于骨腫瘤的開始時間較早，早于1980 年，Lodwick 等[3]便通過使用計算機模型確定了骨腫瘤分型，雖然骨腫瘤病情在腫瘤類型中屬于發(fā)病率較低的一種病情，但是病情通常表現位多種形態(tài)成像特點，其治療方法相對于其他腫瘤病情更單一，主要從放射治療與化療入手，精確地從骨腫瘤CT和MRI圖像中分割出腫瘤病灶區(qū)域，對術前新輔助放化療的計劃制定，以及術后療效評估都有著至關重要的作用，李小敏等[1]。但是人工勾畫腫瘤部位時間長且出錯率高，為了防止其他主觀因素對勾畫結果的影像，使用人工智能的方式可以實現骨腫瘤的病理區(qū)域的自動分割與合理判斷，有較大的應用價值。

2結果

2.1人工智能與傳統(tǒng)方法用于測定骨齡的結果誤差對比

以人工智能應用于測定患者骨齡的結果為例，對比人工智能方式應用于骨肌系統(tǒng)影像中的應用效果，對比傳統(tǒng)骨齡測定方法，發(fā)現使用人工智能測定骨齡的方法發(fā)現，誤差一年內為90.21%，誤差兩年內為98，21%，傳統(tǒng)方法骨齡測定的結果顯示，誤差一年內為73，21%，誤差兩年內79，21%，兩組結果對比，發(fā)現人工智能運用于患者骨齡的測定具有明顯的準確優(yōu)勢。

結論

近年來人工智能技術不斷發(fā)展，已逐步滲透至醫(yī)學領域，其中，人工智能在醫(yī)學影響方面起到較深的影像，人工智能運用在骨肌系統(tǒng)影像中可以通過AI智能的方式高效并且精確的尋找病變部位，提供更加全面的預后評估，可以提高醫(yī)師工作效率，降低醫(yī)療成本，具體已應用在對骨齡的檢測，骨折檢測于治療骨腫瘤中，該項技術是依靠于深度學習技術，通過AI計算出的結果通過影像與綜合分析結合患者實際情況，從而起到矯正正骨或手術需要，或用于測定患者的最終身高，并生成患者骨齡評價，身高預測與發(fā)育評價報告等。

參考文獻：

[1]李小敏，曲揚，張少霆，趙亮，劉暢，謝帥寧，戴尅戎，艾松濤.人工智能技術在骨肌系統(tǒng)影像學方面的應用[J/OL].上海交通大學學報（醫(yī)學版）：1-5[2021-03-14].http：//kns.cnki.net/kcms/detail/31.2045.R.20210203.1629.006.html.

[2] 周清清， 王佳碩， 唐雯， 等. 基于卷積神經網絡成人肋骨骨折CT自動檢測 和分類的應用研究[J]. 影像診斷與介入放射學， 2020， 29（1）： 27-31.

[3] Lodwick GS， Wilson AJ， Farrell C， et al. Estimating rate of growth in bone lesions： observer performance and error[J]. Radiology， 1980， 134（3）： 585-590.

[4]李媛，張恩龍，李文娟，郎寧，袁慧書.人工智能在骨肌系統(tǒng)影像領域的研究進展[J].中國醫(yī)學科學院學報，2020，42（02）：242-246.

成都醫(yī)學院第三附屬醫(yī)院.成都市郫都區(qū)人民醫(yī)院? 四川城都? 610000