Key points are not available for this paper at this time.
الهدف: يعد التعلم العميق نهجًا متقدمًا في التعلم الآلي يُستخدم في عدة مجالات طبية. هنا، طورنا نموذج تعلم عميق باستخدام خوارزمية الكشف عن الأشياء لتحديد الفقرة L5 على صور الأشعة السينية الأمامية والخلفية للعمود الفقري القطني، وقمنا بتقييم دقة الكشف. الطرق: قمنا بتجنيد 150 مشاركًا بأثر رجعي، كان متاحًا لهم صور الأشعة السينية الأمامية والخلفية للعمود الفقري بالكامل والعمود الفقري القطني. تم استخدام صور الأشعة السينية الأمامية والخلفية للعمود الفقري القطني لهؤلاء المرضى كبيانات إدخال. من بين 150 صورة، تم اختيار 105 (70٪) بشكل عشوائي كمجموعة تدريب، وتم تخصيص الـ 45 المتبقية (30٪) لمجموعة التحقق. تم استخدام نموذج YOLOv5x، من عائلة نموذج YOLOv5، للكشف عن منطقة الفقرة L5. النتائج: كانت متوسط الدقة عند 0.5 و 0.75 لنموذج كشف الفقرة L5 المدرب 99.2٪ و 96.9٪، على التوالي. كانت دقة النموذج 95.7٪ واستدعاؤه 97.8٪. علاوة على ذلك، تم الكشف بشكل صحيح عن 93.3٪ من بيانات التحقق. الاستنتاج: أظهر نموذج التعلم العميق لدينا قدرة ممتازة على تحديد الفقرات L5.
درس كيم وآخرون (مون،) هذا السؤال.
Synapse has enriched 5 closely related papers on similar clinical questions. Consider them for comparative context: