查体信息备注联合人工智能在肋骨骨折CT诊断中的应用

敖平; 张玉霖; 朱丽; 修志刚

doi:10.11659/jjssx.01E024035

您当前的位置：

首页 >

文章列表页 >

查体信息备注联合人工智能在肋骨骨折CT诊断中的应用

临床研究 | 更新时间：2025-01-16

- 查体信息备注联合人工智能在肋骨骨折CT诊断中的应用
- Application of physical examination information annotation combined with artificial intelligence in CT diagnosis of rib fracture
- 局解手术学杂志 2025年34卷第1期页码：41-44
- 作者机构：
  
  1.四川大学华西医院龙泉医院放射科，四川成都 610100
  2.四川大学华西医院龙泉医院超声科，四川成都 610100
- 作者简介：
  
  张玉霖，E-mail：380022640@qq.com
- 基金信息：
  
  2022年成都市医学科研课题(2022670)
- DOI：10.11659/jjssx.01E024035
  中图分类号： R445.3;R683.1
- 纸质出版日期：2025-01-25，
  
  收稿日期：2024-01-08，
- 稿件说明：
移动端阅览
敖平, 张玉霖, 朱丽, 等. 查体信息备注联合人工智能在肋骨骨折CT诊断中的应用[J]. 局解手术学杂志, 2025,34(1):41-44.

AO PING, ZHANG YU-LIN, ZHU LI, et al. Application of physical examination information annotation combined with artificial intelligence in CT diagnosis of rib fracture. [J]. Journal of regional anatomy and operative surgery, 2025, 34(1): 41-44.
敖平, 张玉霖, 朱丽, 等. 查体信息备注联合人工智能在肋骨骨折CT诊断中的应用[J]. 局解手术学杂志, 2025,34(1):41-44. DOI： 10.11659/jjssx.01E024035.

AO PING, ZHANG YU-LIN, ZHU LI, et al. Application of physical examination information annotation combined with artificial intelligence in CT diagnosis of rib fracture. [J]. Journal of regional anatomy and operative surgery, 2025, 34(1): 41-44. DOI： 10.11659/jjssx.01E024035.

摘要

目的

探讨查体信息备注联合人工智能（AI）辅助诊断在肋骨骨折CT诊断中的应用价值。

方法

收集100例备注有查体信息的胸部外伤行肋骨CT检查患者的临床资料，由放射科2名不同年资医师分别用4种方法[医师独立诊断（A组）、医师结合查体信息备注诊断（B组）、医师在AI辅助下诊断（C组）、医师在AI辅助下结合查体信息备注诊断（D组）]对图像进行分析，比较2名医师使用不同方法对肋骨骨折的诊断效能及诊断用时。

结果

2名不同年资放射科医师对肋骨骨折诊断敏感度A组低于B、C、D组（

0.05），但B、C、D组肋骨骨折诊断敏感度组间两两比较差异均无统计学意义（

0.05）；住院医师A组诊断敏感度低于主治医师（

0.05），2名医师其余组间肋骨骨折诊断敏感度两两比较差异均无统计学意义（

0.05）。2名医师对肋骨骨折假阳性率组间两两比较差异均无统计学意义（

0.05）。2名医师各组间诊断用时比较差异具有统计学意义（

0.05），其中A组诊断用时最长，C组用时最短。

结论

医师在AI辅助下结合查体信息备注能明显提高肋骨骨折的诊断敏感度，缩短诊断时间，从而提高工作效率。

Abstract

Objective

To explore the application value of physical examination information annotation combined with artificial intelligence （AI） in CT diagnosis of rib fractures.

Methods

The clinical data of 100 patients with chest trauma who underwent rib CT examination with physical examination information annotation were collected. The images were analyzed by two physicians in the department of radiology with different seniorities using four methods ［diagnosed by physicians independently （group A）， diagnosed by physicians combined with physical examination information annotation （group B）， diagnosed by physicians under the assistance of AI （group C）， and diagnosed by physicians combined with physical examination information annotation under the assistance of AI （group D）］. The diagnostic efficacy and diagnostic time of two radiologists using different methods for rib fractures were compared.

Results

The sensitivities of two radiologists with different seniorities in the diagnosis of rib fracture in the group A were lower than those in the groups B， C and D （

0.05）， but there was no significant difference in the sensitivity of rib fracture among groups B， C and D （

0.05）. The diagnostic sensitivity of resident physician in the group A was lower than that of the attending physicians （

0.05）， and there was no significant difference in the diagnostic sensitivity of rib fracture in the other groups between the two physicians （

0.05）. There was no statistically significant difference in the false-positive rate of rib fractures among groups between two physicians （

0.05）.There was statistically significant difference in the diagnostic time among groups between two physicians （

0.05）， among which group A took the longest diagnosis time and group C took the shortest.

Conclusion

The assistance of AI and conbinatin of physical examination information annotation can increase the sensitivity of the physician in the diagnosis of rib fractures， shorten the diagnostic time and improve the work efficiency.

关键词

肋骨骨折多层螺旋CT人工智能查体信息备注诊断

Keywords

rib fracturesmulti-slice spiral CTartificial intelligencephysical examination information annotationdiagnosis

references

沈旭，朱云柯，张含露，等.多发肋骨骨折及连枷胸的临床治疗研究进展［J］.中国胸心血管外科临床杂志，2021，28（7）：858-862.doi：10.7507/1007-4848.202012060http://dx.doi.org/10.7507/1007-4848.202012060.

王伯珉，杨永良，贾宏磊，等.多发肋骨骨折的治疗进展［J］.创伤外科杂志，2021，23（12）：948-951.doi：10.7507/1007-4848.202012060http://dx.doi.org/10.7507/1007-4848.202012060.

靳贺，危朝辉，张琦，等.肋骨骨折评分和肋骨评分对创伤性肋骨骨折患者伤情的评估价值及对不良预后事件的预测效能研究［J］.创伤外科杂志，2023，25（6）：437-442.doi：10.3969/j.issn.1009-4237.2023.06.008http://dx.doi.org/10.3969/j.issn.1009-4237.2023.06.008.

张光霞，何英，杨绍光，等.司法鉴定中肋骨骨折影像诊断符合率影响因素的研究［J］.中国医药科学，2022，12（20）：24-29.doi：10.3969/j.issn.2095-0616.2022.20.007http://dx.doi.org/10.3969/j.issn.2095-0616.2022.20.007.

付哲祥，李昌松.多层螺旋CT的MPR、SSD及VRT重建技术在肋骨骨折中的临床应用［J］.中国CT和MRI杂志，2021，19（7）：164-166.doi：10.3969/j.issn.1672-5131.2021.07.053http://dx.doi.org/10.3969/j.issn.1672-5131.2021.07.053.

Liu C， Chen Z， Xu J， et al. Diagnostic value and limitations of CT in detecting rib fractures and analysis of missed rib fractures： a study based on early CT and follow-up CT as the reference standard［J］. Clin Radiol，2022，77（4）：283-290.doi：10.1016/j.crad.2022.01.035http://dx.doi.org/10.1016/j.crad.2022.01.035.

顾玉兰，李凯明，施蒋巍.查体信息对CT肋骨骨折报告的初写时间和漏诊率的影响［J］.影像研究与医学应用，2021，5（22）：221-222.doi：10.3969/j.issn.2096-3807.2021.22.105http://dx.doi.org/10.3969/j.issn.2096-3807.2021.22.105.

祝永刚，高升.体表定位联合螺旋CT后处理技术在隐匿性肋骨骨折中的应用［J］.齐齐哈尔医学院学报，2020，41（22）：2800-2802.doi：10.3969/j.issn.1002-1256.2020.22.009http://dx.doi.org/10.3969/j.issn.1002-1256.2020.22.009.

熊山，陈博，毛杰，等.基于深度学习的计算机辅助诊断系统在肋骨骨折诊断中的应用［J］.CT理论与应用研究，2022，31（5）：617-622.doi：10.15953/j.1004-4140.2022.31.05.08http://dx.doi.org/10.15953/j.1004-4140.2022.31.05.08.

张学军，陈亚明，李猛，等.高场强MRI联合128层CT三维重建技术在诊断膝关节外伤中的应用效果［J］.局解手术学杂志，2023，32（2）：165-169.doi：10.11659/jjssx.06E022079http://dx.doi.org/10.11659/jjssx.06E022079.

张毅，李繁.CT三维容积重建和X线对诊断肋骨骨折的效能分析［J］.影像技术，2024，36（5）：20-25.doi： 10.3969/j.issn.1001-0270.2024.05.004http://dx.doi.org/10.3969/j.issn.1001-0270.2024.05.004.

姚越，杜北珏.急诊与复查多层螺旋CT对肋骨骨折诊断价值的对比分析［J］.安徽医药，2019，23（6）：1128-1130.doi：10.3969/j.issn.1009-6469.2019.06.020http://dx.doi.org/10.3969/j.issn.1009-6469.2019.06.020.

叶宇，王珍，曹长健，等.人工智能辅助分析CTA影像诊断颅内动脉瘤的临床研究［J］.局解手术学杂志，2022，31（2）：128-131.doi：10.11659/jjssx.10E021022http://dx.doi.org/10.11659/jjssx.10E021022.

Niiya A， Murakami K， Kobayashi R，et al. Development of an artificial intelligence-assisted computed tomography diagnosis technology for rib fracture and evaluation of its clinical usefulness［J］. Sci Rep，2022，12（1）：8363.doi：10.1038/s41598-022-12453-5http://dx.doi.org/10.1038/s41598-022-12453-5.

贾春雪，张彬，吴润泽，等. 基于深度学习的人工智能在肋骨骨折检测中的应用价值［J］.实用放射学杂志，2020，36（11）：1861-1864.doi：10.3969/j.issn.1002-1671.2020.11.039http://dx.doi.org/10.3969/j.issn.1002-1671.2020.11.039.

Shuhao W，Dijia W，Lifang Y， et al. Assessment of automatic rib fracture detection on chest CT using a deep learning algorithm［J］. Eur Radiol，2022，33（3）：1824-1834.doi：10.1007/s00330-022-09156-whttp://dx.doi.org/10.1007/s00330-022-09156-w.

刘想，谢辉辉，许玉峰，等. 人工智能在胸部创伤肋骨骨折CT诊断中应用的初步研究［J］.上海交通大学学报（医学版），2021，41（7）：920-925.doi：10.3969/j.issn.1674-8115.2021.07.012http://dx.doi.org/10.3969/j.issn.1674-8115.2021.07.012.

李星宇，雷禹，黄晓旗，等.基于AI与人工阅片对肋骨骨折性质诊断价值的比较［J］.中国医疗设备，2022，37（8）：32-36.doi：10.3969/j.issn.1674-1633.2022.08.007http://dx.doi.org/10.3969/j.issn.1674-1633.2022.08.007.

梁洁，孙金磊，李梦远，等.基于深度学习人工智能辅助系统用于CT检出肋骨新鲜骨折［J］.中国介入影像与治疗学，2023，20（9）：555-560.doi：10.13929/j.issn.1672-8475.2023.09.010http://dx.doi.org/10.13929/j.issn.1672-8475.2023.09.010.

洪宗启，裴仁明，汪伟伟.CT三维重建复查在诊断肋骨骨折中的价值及短期最佳复查时间窗的研究［J］.湖南师范大学学报（医学版），2020，17（1）：110-113.doi：10.3969/j.issn.1673-016X.2020.01.033http://dx.doi.org/10.3969/j.issn.1673-016X.2020.01.033.

浏览量

下载量

CSCD

文章被引用时，请邮件提醒。

提交

工具集

关联资源

不同经支气管镜活检术在老年中央型肺癌诊断中的应用

62排螺旋CT及其后处理技术对胫骨平台骨折及其分型的诊断价值

基于深度学习的人工智能辅助胃镜下实时识别病变及位置模型的建立

射血分数保留型心力衰竭临床诊断及治疗的研究进展