Шейка бедра фото перелом: симптомы и лечение (операция), осложения и последствия

Intracapsulare Hüftfraktur

Hüftfraktur Xray Fotobild. Röntgenaufnahme des Hüftgelenks für ält

Heilende Künstliches Hüftgelenk Wunde mit steri-Streifen

Die totale Hüftersatznarbe einer älteren Frau, die gut heilt und durch ein paar Steri- Streifen gesichert wird. Anzeichen von Blutergüssen und tief verfärbt durch Antiseptikum, das während der Operation verwendet wird. Das gebrochene Hüftgelenk wurde durch einen schweren Sturz verursacht.

röntgenaufnahme einer hüfte mit einem Implantierten…

Röntgenaufnahme einer Oberschenkelhalsfraktur. Hüftfraktur…

Senior Frau Künstliches Hüftgelenk Wunde mit steri-Streifen und…

Reparatur von Hüftfrakturen oder Fixierungen. …

Hals des Femur (Hüfte) — ein Ort der häufige Fraktur des Femur…

Fraktur des Schenkelhalses Konzept Foto. Orthopäde Punkte mit…

Die Fraktur des Oberschenkelhalses. Behandlung des beschädigten Oberschenkelknochenhalses mittels Fixierschrauben

der explantierte Titan-Oberschenkelnagel liegt gereinigt auf. ..

ein ausgepflanzter Titan-Oberschenkelnagel liegt gereinigt auf einer hellblauen Stütze

6 Артен фон Обершенкельхальсфрактурен. Фрагмент Struktur des menschlichen Skeletts. Бекенгюртель и Обершенкель. Силуэт. Цайхен. Вектор.

0003 oberschenkelknochenfraktur nach operation — перелом шейки бедренной кости фото и фотографии — перелом шейки бедра фото и фотографии

бедренной кости Hals Knochenbruch Röntgenbild.

Orthopädische Chirurgie Konzept Foto. Arzt hält in…

Gebrochene Bein Röntgen Bild, X-Ray Image der Fraktur Bein (Tobia)

ein explantierter Hellblauen Träger

Chirurg Orthopäde im Handschuh, gekleidet in der hand hält ein. ..

Обнаружение перелома шейки бедра на рентгеновских изображениях с использованием методов глубокого обучения и генетического алгоритма

. 2020;31(2):175-183.

doi: 10.5606/ehc.2020.72163. Epub 2020 26 марта.

Салих Беяз ¹ , Корай Ачичи, Эмре Зюмер

принадлежность

• ¹
  Başkent Üniversitesi Adana Turgut Noyan Eğitim ve Araştırma Merkezi Ortopedi ve Travmatoloji Kliniği, 01240 Юрегир, Адана, Турция. [email protected].

• PMID: 32584712
• PMCID: PMC7489171
• DOI: 10. 5606/ec.2020.72163

Бесплатная статья ЧВК

Салих Бейаз и др. Jt Dis Relat Surg. 2020.

Бесплатная статья ЧВК

doi: 10.5606/ehc.2020.72163. Epub 2020 26 марта.

Авторы

Салих Беяз ¹ , Корай Ачичи, Эмре Зюмер

принадлежность

• ¹ Başkent Üniversitesi Adana Turgut Noyan Eğitim ve Araştırma Merkezi Ortopedi ve Travmatoloji Kliniği, 01240 Юрегир, Адана, Турция. [email protected].

• PMID: 32584712
• PMCID: PMC7489171
• DOI: 10.5606/ec.2020.72163

Абстрактный

Цели: Это исследование направлено на обнаружение перелома шейки бедренной кости на рентгенограмме таза с использованием методов глубокого обучения.

Пациенты и методы: Это ретроспективное исследование проводилось в период с января 2013 г. по январь 2018 г. В общей сложности 234 рентгеновских снимка таза, полученные от 65 пациентов (32 мужчины, 33 женщины, средний возраст 74,9 года, диапазон от 33 до 89 лет), были увеличены до 2106 изображений. для получения удовлетворительного набора данных. Всего на 1341 снимке были переломы шейки бедра, а на 765 — без перелома. Предлагаемая архитектура сверточной нейронной сети (CNN) содержала пять блоков, каждый из которых содержал сверточный слой, слой пакетной нормализации, выпрямленную линейную единицу и слой максимального объединения. После последнего блока существовал выпадающий слой с вероятностью 0,5. Последние три уровня архитектуры представляли собой полностью связанный слой из двух классов, слой softmax и слой классификации, который вычисляет потери перекрестной энтропии. Процесс обучения был прекращен после 50 эпох, и был использован оптимизатор Адама. Скорость обучения снижалась в 0,5 раза каждые пять эпох. Чтобы уменьшить переоснащение, к весам функции потерь был добавлен член регуляризации. Процесс обучения повторялся для размеров пикселей 50×50, 100×100, 200×200 и 400×400. Подход генетического алгоритма (ГА) был использован для оптимизации гиперпараметров архитектуры CNN и минимизации ошибки после тестирования модели, созданной архитектурой CNN на этапе обучения.

Полученные результаты: Эффективность с точки зрения чувствительности, специфичности, точности, показателя F1 и коэффициента Каппа Коэна оценивали с помощью пятикратных тестов перекрестной проверки. Наилучшая производительность была получена, когда обрезанные изображения были масштабированы до 50×50 пикселей. Каппа-метрика показала более надежную работу классификатора, когда размер изображения 50×50 пикселей использовался для подачи CNN. Производительность классификатора была более надежной в зависимости от других размеров изображения. Расчетные показатели чувствительности и специфичности составили 83% и 73% соответственно. С включением ГА этот показатель увеличился на 1,6%. Установлено, что частота выявления переломов костей составляет 83%. Был получен коэффициент каппа 55%, что свидетельствует о приемлемом согласии.

Вывод: В этом экспериментальном исследовании использовались методы глубокого обучения для обнаружения переломов костей при рентгенографии. Хотя набор данных был несбалансированным, результаты можно считать многообещающими. Было замечено, что использование изображения меньшего размера снижает вычислительные затраты и обеспечивает лучшие результаты в соответствии с показателями оценки.

Заявление о конфликте интересов

Конфликт интересов: Авторы заявили об отсутствии конфликта интересов в отношении авторства и/или публикации этой статьи.

Цифры

Рис. 1. Примеры изображений из дополненного набора данных.

Рис. 1. Примеры изображений из дополненного набора данных.

Рис. 1. Примеры изображений из дополненного набора данных.

Рисунок 2. Общая структура. CNN: сверточный нейрон…

Рисунок 2. Общая структура. CNN: сверточная нейронная сеть.

Рисунок 3. Предлагаемая архитектура сверточной нейронной сети.

Рисунок 3. Предлагаемая архитектура сверточной нейронной сети.

Рис. 4. Представление хромосом в генетическом алгоритме.

Рис. 4. Представление хромосом в генетическом алгоритме.

Рисунок 5. Кроссовер в генетическом алгоритме.

Рисунок 5. Кроссовер в генетическом алгоритме.

Рисунок 6. Влияние генетического алгоритма на…

Рисунок 6. Влияние генетического алгоритма на показатели производительности. GA: Генетический алгоритм.

Рисунок 7. Матрицы путаницы с и без…

Рисунок 7. Матрицы путаницы с генетическим алгоритмом и без него. GA: Генетический алгоритм.

См. это изображение и информацию об авторских правах в PMC

Похожие статьи

• MABAL: новая архитектура глубокого обучения для машинной маркировки костного возраста.

  Мутаса С., Чанг П.Д., Рузал-Шапиро С., Айяла Р. Мутаса С. и др. J цифровое изображение. 2018 авг; 31 (4): 513-519. doi: 10.1007/s10278-018-0053-3. J цифровое изображение. 2018. PMID: 29404850 Бесплатная статья ЧВК.

• Внешняя проверка алгоритма глубокого обучения для обнаружения и визуализации перелома шейки бедра, включая перелом со смещением и без смещения на обычном рентгеновском снимке.

  Bae J, Yu S, Oh J, Kim TH, Chung JH, Byun H, Yoon MS, Ahn C, Lee DK. Бэй Дж. и др. J цифровое изображение. 2021 Окт;34(5):1099-1109. doi: 10.1007/s10278-021-00499-2. Epub 2021 11 августа. J цифровое изображение. 2021. PMID: 34379216 Бесплатная статья ЧВК.

• Можем ли мы предсказать реакцию опухоли молочной железы до начала химиотерапии? Подход сверточных нейронных сетей с глубоким обучением с использованием набора данных МРТ опухоли молочной железы.

  Ха Р., Чин С., Карсич Дж., Лю М.З., Чанг П., Мутаса С., Паскуаль Ван Сант Э., Винн Р.Т., Коннолли Э., Джамбаваликар С. Ха Р и др. J цифровое изображение. 201932 октября (5): 693-701. doi: 10.1007/s10278-018-0144-1. J цифровое изображение. 2019. PMID: 30361936 Бесплатная статья ЧВК.

• Обнаружение и классификация географической атрофии на основе глубокого обучения с использованием классификатора глубокой сверточной нейронной сети.

  Тредер М., Лауэрманн Дж.Л., Этер Н. Тредер М. и соавт. Graefes Arch Clin Exp Офтальмол. 2018 ноябрь; 256(11):2053-2060. дои: 10.1007/s00417-018-4098-2. Epub 2018 8 августа. Graefes Arch Clin Exp Офтальмол. 2018. PMID: 30091055

• Гибридная структура сегментации и распознавания COVID-19 (HMB-HCF) с использованием глубокого обучения и генетических алгоритмов.

  Балаха Х.М., Балаха М.Х., Али Х.А. Балаха Х.М. и др. Артиф Интелл Мед. 2021 сен;119:102156. doi: 10.1016/j.artmed.2021.102156. Epub 2021 28 августа. Артиф Интелл Мед. 2021. PMID: 34531015 Бесплатная статья ЧВК.

Посмотреть все похожие статьи

Цитируется

• Текущее понимание искусственного интеллекта и машинного обучения в ортопедии — предварительный обзор.

  Кумар В., Патель С., Бабурадж В., Вардхан А., Сингх П.К., Вайшья Р. Кумар В. и др. Дж Ортоп. 2022 26 августа; 34: 201-206. doi: 10.1016/j.jor.2022.08.020. электронная коллекция 2022 ноябрь-декабрь. Дж Ортоп. 2022. PMID: 36104993 Обзор.

• Гибридная модель SFNet для обнаружения и классификации переломов костей с использованием ML/DL.

  Ядав Д.П., Шарма А., Атитан С., Бхола А., Шарма Б., Дхау И.Б. Ядав Д.П. и др. Датчики (Базель). 2022 4 августа; 22 (15): 5823. дои: 10.3390/s22155823. Датчики (Базель). 2022. PMID: 35957380 Бесплатная статья ЧВК.

• Диагностическая точность и потенциальные ковариаты искусственного интеллекта для диагностики ортопедических переломов: систематический обзор литературы и метаанализ.

  Чжан С., Ян И., Шен Ю.В., Чжан К.Р., Цзян З.К., Ма Л.Т., Дин С., Ван Б.И., Мэн И., Лю Х. Чжан X и др. Евро Радиол. 2022 Октябрь; 32 (10): 7196-7216. doi: 10.1007/s00330-022-08956-4. Epub 2022 27 июня. Евро Радиол. 2022. PMID: 35754091 Обзор.

• Диагностика остеоартритных изменений, потери шейного лордоза и сужения дискового пространства на рентгенограммах шейного отдела позвоночника с помощью методов глубокого обучения.

  Мараш Ю., Токдемир Г., Юретен К., Аталар Э., Дюран С., Мараш Х. Мараш Ю. и др. Jt Dis Relat Surg. 2022;33(1):93-101. doi: 10.52312/jdrs.2022.445. Epub 2022 28 марта. Jt Dis Relat Surg. 2022. PMID: 35361083 Бесплатная статья ЧВК.

• Искусственный интеллект в обнаружении переломов: систематический обзор и метаанализ.

  Куо Р.И.Л., Харрисон С., Карран Т.А., Джонс Б., Фрити А., Кассонс Д., Стюарт М., Коллинз Г.С., Фернисс Д. Куо РИЛ и др. Радиология. 2022 июль; 304 (1): 50-62. doi: 10.1148/радиол.211785. Epub 2022 29 марта. Радиология. 2022. PMID: 35348381

Просмотреть все статьи «Цитируется по»

использованная литература

1. 1. Атик ОШ. Существует связь между саркопенией, остеопорозом и риском перелома бедра. Эклем Хасталик Серрахизи. 2019;30:1–1. — пабмед
2. 1. Бозкурт Х.Х., Токгоз М.А., Япар А., Атик ОШ. Каково значение отношения канала к диафизу при переломах бедра, связанных с остеопорозом. Эклем Хасталик Серрахизи. 2019;30:296–300. — пабмед
3. 1. Лесли В. Д., О’Доннелл С., Джин С., Лагасе С., Уолш П., Бансей С. и др. Тенденции частоты переломов бедра в Канаде. ДЖАМА. 2009; 302: 883–889. — пабмед
4. 1. Левицки Э.