杨冬均 张绍金 穆兰

摘要：目的 对人工智能在骨肌系统影像领域中的应用进行探讨。方法 对近几年人工智能在骨肌系统影像领域的应用效果进行分析，在骨科科室内随机选取20位骨科患者，随机分为对照组与实验组，对照组患者·使用传统医学影响技术，实验组患者使用人工智能系统。对两组患者的误差几率比较。结果 使用人工智能的对照组患者骨肌系统影像检测失误率远远小于对照组，说明人工智能对于骨肌系统影像利用与信息发掘能力远高于传统方式。结论在科技越加发达的现代，对医学技术的要求越来越高，想要充分发挥骨肌系统影像的作用，增加成像准确性，寻找新的治疗途径与方法，提高患者治愈率，必要时，可以充分发挥人工智能在骨肌系统影像中的作用。

关键词：人工智能;骨肌系统;医学影像学;

近年来人工智能技术不断发展，并且在云数据库，大数据的前提下，人工智能体系发展的更加完善，已逐步渗透至医学领域，其中，人工智能在医学影响方面起到较深的影像，人工智能运用在骨肌系统影像中可以通过AI智能的方式高效并且精确的寻找病变部位，提供更加全面的预后评估，可以提高医师工作效率，降低医疗成本。骨肌系统疾病与骨及周围关节密切相关，且骨肌系统病情种类较多，骨科中常见的使用影像的方法对病因以及病变部位进行观察，影像学也是治疗骨科疾病的重要基础。影像学检查作为骨科中的重要检查方法，其准确度与患者病情的治疗积极相关，是疾病诊疗的基础，现代医学要求的目的逐渐多样化，医学影像学已经从传统的定位，定量演变成如今的多选择评估，诊疗方案多项选择和精准的预后评估（1）。

1资料与方法

1.1一般资料

对近几年人工智能在骨肌系统影像领域的应用效果进行分析，在骨科科室内随机选取20位骨科患者，所选患者应符合相关诊断诊断标准，随机分为对照组与实验组，对照组患者·使用传统医学影响技术，实验组患者使用人工智能系统。对两组患者的误差几率比较两组患者中，对照组患者平均年龄30±2.3岁，其中男性患者4人，女性患者6人，实验组中，患者平均年龄29±3.1岁，其中男性患者5人，女性患者5人，两组患者均符合收纳标准，且患者的其他一般资料无影响（p>0.05）。

1.2方法

1.2.1人工智能在骨肌影像领域应用概况

根据国内外研究报道，对人工智能在骨肌影像系统领域中的应用情况做出以下概述：

1对骨龄的检测，该项技术是依靠于深度学习技术，通过AI计算出的结果通过影像与综合分析结合患者实际情况对患者的左手和手腕进行x射线检查，从而起到评估患者体内生长激素水平与内分泌，或用于矫正正骨或手术需要，或用于测定患者的最终身高，并生成患者骨龄评价，身高预测与发育评价报告等。

2骨折检测

骨折是骨科科室的常见疾病，也是临床常见的疾病之一，因人体骨骼结构的复杂多变性，也是临床误诊漏诊的常见病因，使用人工智能在骨肌系统影像的检测系统，可以精准发现骨折类别与骨折部位，具有一定的临床诊断意义，根据国内外多项报道显示，使用深度卷积神经网络 （convolutional neural network，CNN），模型检测和分类肱骨近端骨折，结果显示 CNN模型在区分正常肩部和肱骨近端骨折方面准确率高达 96%李小敏等[1] 利用深度学习算法在 CT 图像上自动检测和分类跟骨骨折，其准确率达到了 98%。周清清等[2]，这种依赖于人工智能的CNN算法，相比一般的计算模型，具有更加优秀的诊断效能，可以在短时间内缩短检测的平均时长，对于辅助放射科医生进行临床诊断具有一定的积极意义。使用人工智能对骨折患者进行诊疗分析的过程中，不仅可以提高患者病情恢复速度，减小失误率，更能减小医生的工作量。

3骨肿瘤

人工智能运用于骨肿瘤的开始时间较早，早于1980 年，Lodwick 等[3]便通过使用计算机模型确定了骨肿瘤分型，虽然骨肿瘤病情在肿瘤类型中属于发病率较低的一种病情，但是病情通常表现位多种形态成像特点，其治疗方法相对于其他肿瘤病情更单一，主要从放射治疗与化疗入手，精确地从骨肿瘤CT和MRI图像中分割出肿瘤病灶区域，对术前新辅助放化疗的计划制定，以及术后疗效评估都有着至关重要的作用，李小敏等[1]。但是人工勾画肿瘤部位时间长且出错率高，为了防止其他主观因素对勾画结果的影像，使用人工智能的方式可以实现骨肿瘤的病理区域的自动分割与合理判断，有较大的应用价值。

2结果

2.1人工智能与传统方法用于测定骨龄的结果误差对比

以人工智能应用于测定患者骨龄的结果为例，对比人工智能方式应用于骨肌系统影像中的应用效果，对比传统骨龄测定方法，发现使用人工智能测定骨龄的方法发现，误差一年内为90.21%，误差两年内为98，21%，传统方法骨龄测定的结果显示，误差一年内为73，21%，误差两年内79，21%，两组结果对比，发现人工智能运用于患者骨龄的测定具有明显的准确优势。

结论

近年來人工智能技术不断发展，已逐步渗透至医学领域，其中，人工智能在医学影响方面起到较深的影像，人工智能运用在骨肌系统影像中可以通过AI智能的方式高效并且精确的寻找病变部位，提供更加全面的预后评估，可以提高医师工作效率，降低医疗成本，具体已应用在对骨龄的检测，骨折检测于治疗骨肿瘤中，该项技术是依靠于深度学习技术，通过AI计算出的结果通过影像与综合分析结合患者实际情况，从而起到矫正正骨或手术需要，或用于测定患者的最终身高，并生成患者骨龄评价，身高预测与发育评价报告等。

参考文献：

[1]李小敏，曲扬，张少霆，赵亮，刘畅，谢帅宁，戴尅戎，艾松涛.人工智能技术在骨肌系统影像学方面的应用[J/OL].上海交通大学学报（医学版）：1-5[2021-03-14].http：//kns.cnki.net/kcms/detail/31.2045.R.20210203.1629.006.html.

[2] 周清清， 王佳硕， 唐雯， 等. 基于卷积神经网络成人肋骨骨折CT自动检测 和分类的应用研究[J]. 影像诊断与介入放射学， 2020， 29（1）： 27-31.

[3] Lodwick GS， Wilson AJ， Farrell C， et al. Estimating rate of growth in bone lesions： observer performance and error[J]. Radiology， 1980， 134（3）： 585-590.

[4]李媛，张恩龙，李文娟，郎宁，袁慧书.人工智能在骨肌系统影像领域的研究进展[J].中国医学科学院学报，2020，42（02）：242-246.

成都医学院第三附属医院.成都市郫都区人民医院  四川城都  610000