机器学习诊断颈椎病的现状研究
摘要
仅中老年人面临退行性改变，年轻一代也日渐受到颈椎酸痛、僵硬及神经压迫等问题的困扰。然而，传统的颈椎疾病诊断
多依赖影像科与临床骨科医师的经验判断，不同医师对同一病例的影像结果往往存在主观分歧。近年来，随着人工智能，
尤其是机器学习及深度学习技术的迅猛发展，人们开始探索如何利用算法自动或半自动地从医学影像中识别病变区域、进
行病理特征定量分析与分类。基于此，本文的主要目的在于系统性回顾机器学习技术在颈椎疾病诊断中的研究现状，并探
讨其中的不足与局限性，为未来的研究与临床应用提供可行的思路与建议。
关键词
全文:
PDF参考
[1] MCCORMICK J R, SAMA A J, SCHILLER N C, et
al. Cervical Spondylotic Myelopathy: A Guide to Diagnosis and
Management[J]. J Am Board Fam Med, 2020,33(2): 303-313.
[2] DEO R C. Machine Learning in Medicine[J]. Circulation,
2015,132(20): 1920-1930.
[3] 徐松 , 叶哲伟 . 人工智能在骨科的应用现状及前景
[J]. 中国医刊 , 2019,54(02): 117-119.
[4] 赵伟丽 , 张恩龙 , 刘珂 , 等 . 人工智能在脊柱诊疗方
面的应用进展 [J]. 磁共振成像 , 2022,13(06): 160-163.
[5] HALLINAN J T P D, ZHU L, YANG K, et al. Deep
Learning Model for Automated Detection and Classification of
Central Canal, Lateral Recess, and Neural Foraminal Stenosis at
Lumbar Spine MRI[J]. Radiology, 2021,300(1): 204138-204289.
[6] 张屹 , 韩殊曼 , 杨晨 , 等 . 基于机器学习标准化
积分面积算法的脊柱侧弯度量方法 [J]. 临床放射学杂志 ,
2024,43(03): 414-419.
[7] 康嗣如 , 田荣华 . 基于 T2WI 序列腰椎磁共振影像
组学诊断骨质疏松症 [J]. 磁共振成像 , 2023,14(11): 121-127.
[8] 饶显锋 , 杨舒文 , 陈静 , 等 . 基于深度学习重建超
快速扫描方案用于颈椎 MR 检查 [J]. 中国医学影像技术 ,
2024,40(06): 843-847.
(6 摘要 Views, 64 PDF Downloads)
Refbacks
- 当前没有refback。