메뉴 건너뛰기
.. 내서재 .. 알림
소속 기관/학교 인증
인증하면 논문, 학술자료 등을  무료로 열람할 수 있어요.
한국대학교, 누리자동차, 시립도서관 등 나의 기관을 확인해보세요
(국내 대학 90% 이상 구독 중)
로그인 회원가입 고객센터 ENG
주제분류
인문학
인문학 일반 역사학 철학 종교학 어문학 기타 인문학
사회과학
사회과학 일반 경영학 관광학 교육학 군사학 문헌정보학 법학 사회학 신문방송학 심리과학 정치외교학 지리학 행정학 경제학 무역학 인류학 기타 사회과학
자연과학
자연과학 일반 물리학 생물학 생활과학 수학·통계학 천문학 지구과학 화학 기타 자연과학
공학
공학 일반 건축공학 기계공학 산업공학 재료·에너지공학 전기전자공학 조선해양공학 화학공학 컴퓨터학 기타공학
의약학
의학 일반 간호학 수의학 약학 한의학 기초의학 임상의학 기타 의약학
농수해양학
농수해양학 일반 농학 수산학 식품과학 임학 축산학 해상운송학 기타 농수해양학
예술체육학
예술 일반 디자인 미술 미용 사진 음악학 의상 체육 공연매체예술 기타 예술체육학
복합학
학제간연구 과학기술학 뇌인지과학 기술정책 기타 복합학

ENG

추천
검색

논문 기본 정보

자료유형
학술저널
저자정보
김민웅 (한림대성심병원 응급의학과) 정재원 (한림대의료원 의료인공지능센터) Se Jin Park (한림대의료원 의료인공지능센터) 박영순 (한림대성심병원 응급의학과) 이정현 (한림대학교성심병원 응급의학과) 양원석 (한림대성심병원 응급의학과) 김진혁 (한림대학교) 조범주 (한림대학교) 하상욱 (한림대성심병원 응급의학과)
저널정보
대한응급의학회 Clinical and Experimental Emergency Medicine Clinical and Experimental Emergency Medicine Vol.8 No.2
발행연도
2021.1
수록면
120 - 127 (8page)

이용수

표지
📌
연구주제
📖
연구배경
🔬
연구방법
🏆
연구결과
AI에게 요청하기
추천
검색

초록· 키워드

오류제보하기
Objective Recent studies have suggested that deep-learning models can satisfactorily assist in fracture diagnosis. We aimed to evaluate the performance of two of such models in wrist fracture detection. Methods We collected image data of patients who visited with wrist trauma at the emergency department. A dataset extracted from January 2018 to May 2020 was split into training (90%) and test (10%) datasets, and two types of convolutional neural networks (i.e., DenseNet-161 and ResNet-152) were trained to detect wrist fractures. Gradient-weighted class activation mapping was used to highlight the regions of radiograph scans that contributed to the decision of the model. Performance of the convolutional neural network models was evaluated using the area under the receiver operating characteristic curve. Results For model training, we used 4,551 radiographs from 798 patients and 4,443 radiographs from 1,481 patients with and without fractures, respectively. The remaining 10% (300 radiographs from 100 patients with fractures and 690 radiographs from 230 patients without fractures) was used as a test dataset. The sensitivity, specificity, positive predictive value, negative predictive value, and accuracy of DenseNet-161 and ResNet-152 in the test dataset were 90.3%, 90.3%, 80.3%, 95.6%, and 90.3% and 88.6%, 88.4%, 76.9%, 94.7%, and 88.5%, respectively. The area under the receiver operating characteristic curves of DenseNet-161 and ResNet-152 for wrist fracture detection were 0.962 and 0.947, respectively. Conclusion We demonstrated that DenseNet-161 and ResNet-152 models could help detect wrist fractures in the emergency room with satisfactory performance.
#Wrist #Fractures #bone #Deep learning #Neural networks #computer

목차

등록된 정보가 없습니다.

참고문헌 (21)

참고문헌 신청
Mauffrey C / 2018 / Radiographic evaluation of acetabular fractures : review and update on methodology / J Am Acad Orthop Surg 26:83~93 google schola Fotiadou A / 2011 / Wrist injuries in young adults : the diagnostic impact of CT and MRI / Eur J Radiol 77:235~239 google schola Newberg A / 2000 / Acute hand and wrist trauma. American College of Radiology. ACR Appropriateness Criteria / Radiology 215(Suppl):375~378 google schola Ootes D / 2012 / The epidemiology of upper extremity injuries presenting to the emergency department in the United States / Hand(N Y) 7:18~22 google schola Adams M / 2019 / Computer vs human : deep learning versus perceptual training for the detection of neck of femur fractures / J Med Imaging Radiat Oncol 63:27~32 google schola

함께 읽어보면 좋을 논문

논문 유사도에 따라 DBpia 가 추천하는 논문입니다. 함께 보면 좋을 연관 논문을 확인해보세요!

이 논문의 저자 정보

최근 본 자료

전체보기

댓글(0)

0