基于深度学习的马蹄铁骨病理二分类及概率校准研究
该研究开发并评估了基于深度学习的马蹄铁骨X光片二分类模型,使用ResNet-50作为主要分类器,Xception和VGG-16作为对照架构。模型在外部验证集上达到了较高的AUROC(0.905)和F1分数(85.7%),但不用于临床诊断或替代兽医解读。未来需多中心数据验证后方可临床应用。
该研究开发并评估了基于深度学习的马蹄铁骨X光片二分类模型,使用ResNet-50作为主要分类器,Xception和VGG-16作为对照架构。模型在外部验证集上达到了较高的AUROC(0.905)和F1分数(85.7%),但不用于临床诊断或替代兽医解读。未来需多中心数据验证后方可临床应用。
该研究提出了一种熵引导自适应置信加权互补深度集成(E-ACW Ensemble)方法,用于股骨放射影像中的骨质疏松和骨质减少分类。该方法在二分类和多分类设置下分别达到了99.2%和98.7%的准确率,显著降低了计算成本。实验结果表明,熵引导的自适应置信加权提供了一种有效的决策级融合策略,有助于提高骨质疏松相关影像分类的性能和可靠性。
该研究对30只离体上肢进行锥形束CT扫描,评估DUCE方法在下尺桡关节稳定性评估中的表现。结果显示,传统放射尺骨比(RR)随前臂旋转及切迹形态显著变化(P < 0.001),而DUCE中的中心定位和偏心度指标未见此类关联。DUCE提供了基于解剖参考的旋转行为描述,后续临床研究需验证其在病理性不稳定评估中的效用。
一项伞状综述与二阶 Meta 分析系统评估人工智能用于骨折检测的性能,2026年10月27日发表于 npj Digital Medicine。作者主要来自牛津大学 Nuffield 骨科与风湿病学系等机构,研究由英国 NIHR 博士研究奖学金(NIHR302562)资助。当前可见的正文片段仅含致谢、资助与作者信息,未包含纳入研究数量与合并结果。
一项纳入169名无症状希腊医学生的研究显示,心理困扰与超声检测的正中神经横截面积(CSA)较高相关。抑郁(ZUNG,p=0.001)和焦虑(STAI-Y1、STAI-Y2,均p<0.001)评分与CSA呈正相关,每日电脑使用时长亦与CSA正相关(p=0.012)。研究团队认为,对伴心理困扰的无症状者需同时考虑生物力学与精神心理干预。
一项韩国研究评估了人工智能在胸部X线片中进行骨质疏松症机会性筛查的潜力。该研究由首尔国立大学医院等机构完成,结果已发表在 npj Digital Medicine。