目的 建立基于YOLOv3算法的人工智能辅助肋骨骨折诊断模型并应用于实际案例,探讨该模型在法医临床常见肋骨骨折案例中的应用优势.方法 收集884例胸部外伤致肋骨骨折患者的CT扫描DICOM格式图像,将其中801例作为训练集和验证集,搭建以YOLOv3算法为基础、Darknet53为骨干网络的肋骨骨折诊断模型,建模后以83例为测试集,计算精确率、召回率、F1分数、阅片时间.将该模型用于一起实际案例的诊断,并与人工诊断进行比较.结果 使用建立的模型对83例进行测试,模型诊断骨折的精确率为90.5%,召回率为75.4%,F1分数为0.82,阅片时间为每秒4.4张,识别每位患者的数据花费时间平均为21 s,远快于人工阅片.所构建模型对实际案例的识别结果与人工诊断结果一致.结论 基于YOLOv3算法的肋骨骨折诊断模型能够快速、准确地识别骨折,且操作简便,可在法医临床鉴定中作为辅助诊断技术.
法医学 人工智能 肋骨骨折 计算机断层扫描 诊断 YOLOv3 Darknet53
forensic medicine artificial intelligence(AI) rib fracture computed tomography(CT) diagnosis YOLOv3 Darknet53