陶建华，陈聪，张怀宇，曲晓霞，郭健，鲜军舫

鼻骨区骨质菲薄，位置浅在，是颅面部外伤中最常受累部位。由于鼻骨区体积较小，解剖结构细微，该部位骨折容易被漏诊及误诊[1-3]。在临床急诊工作中，颅面部外伤患者常涉及到法医鉴定等刑事问题，在工作量大、时间紧和视觉疲劳的情况下，能否正确判断鼻骨区骨折显得尤为重要[4-5]。深度学习是一种人工智能(artificial intelligence，AI)方法，通过学习样本数据的内在规律和表示层次，通过组合低层特征形成更加抽象的表示高层属性的特征，使机器模仿人类的视听和思考活动。近年来人工智能技术在疾病诊断及预后评估方面逐渐发挥出较大作用，基于深度学习的AI模型构建的肺结节、颈部血管和冠状动脉疾病检测系统已逐步应用于临床实践[6-9]。此外，虽然AI方法已应用于四肢骨、骨盆、椎体和肋骨骨折的检测且已取得较好的进展[10-12]，但是在颅面部骨折方面的临床应用尚未见到相关报道。本课题拟基于大样本的鼻骨区骨折和非骨折影像数据，建立鼻骨区骨折的人工智能辅助诊断模型，探讨此模型在辅助影像医师初步筛查骨折部位、减少医师因过度疲劳导致可能的漏诊和误诊，提高诊断准确性方面的临床应用价值。

材料与方法

1.一般资料

回顾性分析2018年1月-2019年8月因鼻骨区外伤来我院急诊行鼻骨CT检查的2080例患者的CT资料。经2位高年资医师(工作年限>15年)共同认定(金标准)，其中1000例无明确鼻骨区骨折，1080例有明确鼻骨区骨折，所有患者均无鼻骨区和副鼻窦区肿瘤。无……