换一批摘要目的 建立引入密集连接、高效通道注意力机制的高分辨率网络(DE-HR-Net)模型,观察其自动测量Miniaci角的价值.方法 回顾性分析256例膝内翻患者全下肢X线片,通过数据扩增获得900幅单侧全下肢图像;基于髋关节中心点、Fujisawa点、合页点及踝关节中心点4个特征点制作数据集标签并计算Miniaci角.以DE-HR-Net构建检测特征点模型,随机选取60幅全下肢图像,观察模型自动测量与医师手动测量Miniaci角结果的差异,评价该模型测量Miniaci角的价值.结果 DE-HR-Net模型检测髋关节中心点、Fujisawa点、合页点及踝关节中心点的均方误差(MSE)分别为1.34、1.49、1.91及1.44.模型自动测量与医师所测Miniaci角分别为(12.10士3.83)°和(12.08士3.83)°,二者高度相关(r=0.991,P＜0.05)且一致性较好(ICC=O.995),平均绝对误差(MAE)为0.22°.结论 成功建立的DE-HR-Net网络模型可用于自动测量Miniaci角.
更多相关知识
栏目名称
DOI
10.13929/j.issn.1003-3289.2023.10.025
发布时间
2023-11-15（万方平台首次上网日期，不代表论文的发表时间）
基金项目
自治区卫生健康科技计划项目（202201013）
内蒙古医科大学联合项目（YKD2021LHO37）
- 浏览0
- 被引0
- 下载0
相似文献
- 中文期刊
- 外文期刊
- 学位论文
- 会议论文
