Generatived (Beta) | Cung cấp tin tức và xu hướng mới nhất về AI sáng tạo

Một mô hình học sâu sáng tạo có thể tăng độ chính xác và tốc độ phân tích X-quang, cải thiện cách chẩn đoán các rối loạn cột sống. Được thiết kế để xử lý các trường hợp phức tạp, mô hình này sẵn sàng giúp các bác sĩ giảm lỗi chẩn đoán và tạo ra các kế hoạch điều trị hiệu quả hơn cho những bệnh nhân mắc các rối loạn cột sống như vẹo cột sống và gù lưng.

Moritz Jokeit, một nhà nghiên cứu tham gia nghiên cứu, đã nhấn mạnh tầm quan trọng của chú thích tự động trong quá trình phân tích các nhóm bệnh nhân lớn hơn. Tiến bộ này dự kiến sẽ cải thiện sự hiểu biết về các rối loạn cột sống, cung cấp các đánh giá nhất quán hơn và bổ sung cho chuyên môn của những người đánh giá là con người.

Nghiên cứu được trình bày chi tiết trên tạp chí Spine Deformity, sử dụng kiến trúc U-Net cải tiến để phân đoạn và xác định cấu trúc cột sống nâng cao. Được đào tạo trên một tập dữ liệu gồm các ảnh chụp X-quang có chú thích, mô hình AI cho thấy khả năng dự đoán chính xác sự liên kết của cột sống, hứa hẹn có thể xử lý nhiều trường hợp khác nhau ở các nhóm tuổi và vùng cột sống khác nhau.

Mặc dù mô hình này đáng tin cậy trong việc dự đoán độ cong của cột sống và các phép đo khác, nhưng cần phải phát triển thêm để giải quyết các thách thức như hiện tượng nhiễu do cấy ghép y tế và các vấn đề về chất lượng hình ảnh ở những bệnh nhân béo phì, Jokait lưu ý. Nhóm nghiên cứu có kế hoạch tinh chỉnh mô hình bằng cách khám phá các kiến trúc khác và mở rộng tập dữ liệu đào tạo để bao gồm các cấu trúc giải phẫu phức tạp hơn.