换一批颈椎失稳深度学习预测模型的构建及验证
Construction and validation of a deep learning prediction model for cervical instability
摘要背景:早期预测颈椎失稳对颈椎病的防治具有重要意义,深度学习技术可为颈椎失稳的智能预测提供有力支持.目的:建立基于颈椎核磁图像的颈椎失稳深度学习模型,实现颈椎失稳的早期智能预测.方法:通过中国中医科学院望京医院脊柱科门诊及社会招募,选择18-45岁的中青年人群,包括颈椎失稳患者和健康对照者.所有受试者均接受颈椎核磁检查,并在横断面图像上手动标注5个关键解剖结构:椎间盘、关节突、椎前肌、颈后部深层和浅层肌群,而后基于原始图像和勾画的感兴趣区域,采用深度学习算法构建颈椎失稳的预测模型,并对模型的预测性能进行评价和验证.结果与结论:①共纳入308例中青年受试者,包括196例颈椎失稳受试者和112例健康受试者;根据纳入时间不同,受试者数据被分别分配至模型训练集和测试集;②模型在训练集中的受试者工作特征曲线下面积、F1-分数、精确率和召回率分别为0.97,0.98,0.98和0.97,在测试集中分别为0.97,0.95,1.00和0.90;③结果表明,基于颈椎核磁图像构建颈椎失稳的深度学习模型能够对颈椎失稳进行早期智能化预测,且具有较高的预测性能.
更多相关知识
关键词
中青年颈椎失稳颈椎核磁深度学习预测模型受试者工作特征曲线下面积young and middle-aged adultscervical instabilitycervical magnetic resonance imagingdeep learningprediction modelthe area under the receiver operating characteristic curve
栏目名称
DOI
10.12307/2026.776
发布时间
2026-03-27（万方平台首次上网日期，不代表论文的发表时间）
- 浏览5
- 被引0
- 下载8
相似文献
- 中文期刊
- 外文期刊
- 学位论文
- 会议论文
