Possibilities of detecting longitudinal flatfoot using the X-ray method of research and intelligent computer vision system

Le résumé fourni par la source

Цель исследования. Разработка перспективного подхода для определения продольного плоскостопия на основе нейронной сети, который эффективно сокращает временные затраты рентгенолога без потери точности. Материал и методы. Использовали 3458 рентгенограмм стопы пациентов с продольным плоскостопием и 1726 субъектов без продольного плоскостопия в возрасте 17—75 лет. Каждая рентгенограмма, используемая для обучения нейронной сети, была помечена одним рентгенологом, а на этапе тестирования каждое рентгеновское изображение было помечено независимо двумя рентгенологами, выбранными вслепую. Диагностический алгоритм был разработан на основе выявления трех анатомических точек, образующих угол свода стопы. Предлагаемый подход состоит из трех этапов: 1) предварительная обработка и подготовка данных для сегментации с помощью нейронной сети; 2) сегментация трех областей — ограничивающих рамок вокруг трех искомых точек; 3) определение местоположения каждой из требуемых точек внутри соответствующей области и вычисление соответствующих меры угла и степени плоскостопия. Сегментационная сеть представляет собой сверточную нейронную сеть (CNN) типа енкодер-декодер (encoder-decoder) на основе архитектуры U-Net с использованием архитектуры ResNet50 в качестве энкодера. Результаты. Создан эффективный, надежный и быстрый метод искусственного интеллекта, точность которого в целом не уступает рентгенологам, но требует примерно в 6000 раз меньше времени. Вывод. Разработанный метод искусственного интеллекта является эффективным инструментом для определения продольного плоскостопия путем сегментации рентгеновского изображения и расчета угла свода стопы. Его можно рассматривать как быстрого помощника, столь же точного, как и опытный рентгенолог.

Ce résumé expose les affirmations des auteurs. BNTIC ne l’interprète pas comme une validation indépendante des résultats.