Повна стаття Поглиблене вивчення при виявленні переломів оглядний огляд

Статті

Повна стаття
Цифри та дані
Список літератури
Цитати
Метрики
Ліцензування
Передруки та дозволи
PDF

Анотація

Штучний інтелект (ШІ) - загальний термін, який передбачає використання комп’ютера для моделювання інтелектуальної поведінки з мінімальним втручанням людини. ШІ, особливо глибоке навчання, нещодавно досяг значних успіхів у завданнях сприйняття, що дозволяє машинам краще представляти та інтерпретувати складні дані. Глибоке навчання - це підмножина ШІ, представлена комбінацією штучних шарів нейронів. За останні роки глибоке навчання набрало великих темпів. У галузі ортопедії та травматології були проведені деякі дослідження з використанням глибокого навчання для виявлення переломів на рентгенограмах. Дослідження глибокого вивчення для виявлення та класифікації переломів на комп’ютерній томографії (КТ) ще більш обмежені. У цьому оглядовому огляді ми даємо короткий огляд технологій глибокого навчання: ми (1) описуємо способи, яким глибоке навчання дотепер застосовувалось для виявлення переломів на рентгенограмах та обстеженнях на КТ; (2) обговорити, яку цінність глибоке навчання пропонує цій галузі; і нарешті (3) прокоментуйте майбутні напрямки цієї технології.

Попит на послуги радіології, наприклад, магнітно-резонансну томографію (МРТ), комп’ютерну томографію (КТ) та рентгенограми, різко зріс за останні роки (Kim and MacKinnon 2018). У Великобританії кількість обстежень на КТ зросла на 33% між 2013 і 2016 роками (Факультет клінічної рентгенології, Клінічна радіологія, перепис робочої сили Великобританії за 2016 рік). У Нідерландах було проведено понад 1,7 млн обстежень на КТ у всіх лікарнях (Національний інститут охорони здоров’я та навколишнього середовища 2016 р.). Цей попит значно зросте у найближчі роки, що призведе до значного напруження робочої сили. З іншого боку, не вистачає рентгенологів через відставання у наборі кадрів та велику кількість рентгенологів, що наближається до виходу на пенсію. Крім того, аналіз медичних зображень часто може бути складним та трудомістким процесом. Штучний інтелект (ШІ) має потенціал для вирішення цих проблем (Кім та Маккіннон, 2018).

ШІ - загальний термін, який передбачає використання комп’ютера для моделювання інтелектуальної поведінки з мінімальним втручанням людини (Hamet and Tremblay 2017). Крім того, ШІ, особливо глибоке навчання, нещодавно зробив значні успіхи у сприйнятті даних візуалізації, що дозволяє машинам краще представляти та інтерпретувати складні дані (Хосні та ін., 2018).

Глибоке навчання - це підмножина ШІ, представлена комбінацією штучних шарів нейронів. Кожен шар містить ряд одиниць, де кожна одиниця є спрощеним поданням нейронної клітини, натхненною її структурою в мозку людини (McCulloch and Pitts 1943). Сьогодні алгоритми глибокого навчання здатні відповідати і навіть перевершувати людей у спеціальних додатках (Mnih et al. 2015, Moravčík et al. 2017). Глибоке навчання перетворило сферу інформаційних технологій, відкривши масштабні рішення, керовані даними, для вирішення проблем, які колись були трудомісткими.

За останні роки глибоке навчання набрало великих обертів (Adams et al. 2019). Недавні дослідження показали, що глибоке навчання має можливість виконувати складну інтерпретацію на рівні медичних працівників (Gulshan et al. 2016, Esteva et al. 2017, Lakhani and Sundaram 2017, Lee et al. 2017, Olczak et al. 2017, Ting et al. 2017, Tang et al. 2018). У галузі ортопедичної травматології було проведено ряд досліджень з використанням глибокого вивчення на рентгенограмах для виявлення переломів (Brett et al. 2009, Olczak et al. 2017, Chung et al. 2018, Kim and MacKinnon 2018, Lindsey et al. 2018, Adams et al. 2019, Urakawa et al. 2019). Однак досліджень, що проводять глибоке вивчення переломів на КТ, недостатньо (Tomita et al., 2018).

У цьому оглядовому огляді ми даємо короткий огляд технологій глибокого навчання; (2) описати способи застосування глибокого навчання для виявлення переломів на рентгенограмах та обстеженнях на КТ; (3) обговорити, яку цінність глибоке навчання пропонує цій галузі; і, нарешті, (4) прокоментуйте майбутні напрямки цієї технології.

Технологія штучного інтелекту

Глибоке навчання (DL) - це сімейство методів, яке є частиною широкого поля машинного навчання та ще більш широкого поля штучного інтелекту (рис. 1). Ці алгоритми об’єднані ідеєю навчання з даних, а не слідування чітко визначеним інструкціям. Цей рівень абстракції робить алгоритми глибокого навчання придатними для вирішення різноманітних проблем у ряді кількісних полів (LeCun et al. 2015).