新开发的深度学习模型在检测骨质疏松症方面显示出前景
•
2024-07-29 11:43:51
摘要 一项新研究表明，研究人员开发了一种新的深度学习算法，其效果优于现有的基于计算机的骨质疏松症风险预测方法，可能为有骨质疏松症风险的患...
一项新研究表明，研究人员开发了一种新的深度学习算法，其效果优于现有的基于计算机的“骨质疏松症”风险预测方法，可能为有骨质疏松症风险的患者提供更早的诊断并获得更好的治疗结果。
骨质疏松症是一种骨骼疾病，是指骨骼矿物质密度和质量下降或骨骼结构和强度发生变化而发生的疾病。这会导致骨骼强度下降，增加骨折的风险。
在这项研究中，研究人员发表在《人工智能前沿》杂志上，使用了来自路易斯安那州骨质疏松症研究中 8,000 多名 40 岁及以上参与者的数据，将深度神经网络 (DNN) 模型与四种传统机器学习算法和一种传统回归模型进行了测试。
通过对每个模型识别真正值和避免错误的能力进行评分来衡量，DNN 实现了最佳的整体预测性能。
杜兰大学医学院中心研究助理教授、该研究的主要作者 Chuan Qiu 表示：“越早发现骨质疏松症风险，患者就有越多的时间采取预防措施。”
他补充道：“我们很高兴看到我们的 DNN 模型在准确预测老龄人口患骨质疏松症的风险方面优于其他模型。”
版权声明：本文由用户上传，如有侵权请联系删除！
标签：