張思成 孫軍 林昱東 袁亮 謝康 方繼紅 劉傳斌 謝洪濤

發(fā)育性髖關(guān)節(jié)發(fā)育不良 ( developmental dysplasia of the hip，DDH ) 是嬰幼兒最常見的骨骼疾病之一，全球發(fā)病率為 0.16%～2.85%[1]。診斷 DDH 的主要方法是體格檢查、超聲檢查 ( 6 個月以下嬰兒 ) 和骨盆前后位 X 線片[2]。對于 6 個月以上的兒童，最常用的檢查是骨盆 X 線片[3]。X 線片上髖關(guān)節(jié)脫位的具體脫位程度通常是用 T?nnis 方法[4]和國際髖關(guān)節(jié)發(fā)育不良研究組織 ( International hip dysplasia institute，IHDI ) 分型進(jìn)行確定[5]。判斷髖關(guān)節(jié)髖臼發(fā)育情況最常用最重要的指標(biāo)是髖臼指數(shù)，通過 Hilgenreiner 法測量[6-7]。診斷測量 DDH 骨盆前后位 X 線片的重復(fù)性差，存在較大的測量誤差[8]，根據(jù)文獻(xiàn)報(bào)道這種測量誤差可以從 ±3.5°～±10° 不等[9-12]。這使許多患兒無法得到可靠的診斷和及時(shí)轉(zhuǎn)診[13]。 近年來，人工智能 ( AI ) 系統(tǒng)在用于圖像識別、臨床決策和廣泛數(shù)據(jù)集分析等方面的性能已被證明與臨床醫(yī)生相當(dāng)，甚至優(yōu)于臨床醫(yī)生[14-16]。獨(dú)立人工智能診斷醫(yī)學(xué)影像仍然是一個有爭議的話題，然而，許多臨床醫(yī)生認(rèn)為，應(yīng)用深度學(xué)習(xí)技術(shù)能為改善工作流程和提高勞動效率提供有效的工具[17-18]。

既往鮮有報(bào)道計(jì)算機(jī)輔助診斷 DDH 骨盆影像。 在本研究中，筆者使用臨床醫(yī)生標(biāo)注的骨盆前后位 X 線片開發(fā)、訓(xùn)練和測試了一個計(jì)算機(jī)化的深度學(xué)習(xí)卷積神經(jīng)網(wǎng)絡(luò)模型。假設(shè)在髖關(guān)節(jié)脫位的判定和髖臼指數(shù)的測量中具有較高的準(zhǔn)確性。

資料與方法

一、骨盆前后 X 線片

本研究為回顧性研究，并獲得了本機(jī)構(gòu)生物醫(yī)學(xué)倫理委員會 ( 安徽省兒童醫(yī)院醫(yī)學(xué)研究倫理委員會 ) 的批準(zhǔn) ( 批準(zhǔn)號：20190021 )；由于本研究使用完全匿名的 X 線片，因此放棄了獲得知情同意的要求。收集 2014 年 4 月至 2018 年 12 月我院放射科 ( 我院兒骨科年門診量約 9 萬人次，DDH 門診約每年 1 萬人次 ) 共 34 167 張匿名骨盆前后位 X 線片 ( 年齡 10 天～10 歲 )。在拍攝骨盆 X 線片時(shí)，患兒標(biāo)準(zhǔn)的仰臥位，雙側(cè)骨盆對稱；雙足第一趾尖相對，盡量控制骨盆旋轉(zhuǎn)和傾斜。排除標(biāo)準(zhǔn)如圖1 所示。最后的數(shù)據(jù)集為 10 219 張：0～2 歲 8577 張，≥ 2 歲 1642 張。隨機(jī)分為三個隊(duì)列：( 1 ) 8000 張用于訓(xùn)練使用深度學(xué)習(xí)方法構(gòu)建的人工智能輔助診斷系統(tǒng)；( 2 ) 1081 張用于優(yōu)化系統(tǒng)；( 3 ) 1138 張用于測試人工智能輔助診斷系統(tǒng)性能。詳細(xì)數(shù)據(jù)的分布如表1 所示。

表1 總體病例的臨床和影像學(xué)特征 [ 例 ( % ) ]Tab.1 Clinical and imaging characteristics of the study participants [ case ( % ) ]

二、圖像標(biāo)注

所用骨盆前后位 X 線片根據(jù) Hilgenreiner 和 T?nnis 理論進(jìn)行標(biāo)注 ( 表2 )。使用圖片存檔和通信系統(tǒng) ( PACS ) 工作站對所有圖像上的六個關(guān)鍵點(diǎn)進(jìn)行標(biāo)注 ( 圖2a )。連接雙側(cè)髖臼中心點(diǎn)的線為 Hilgenreiner 線，垂直于 Hilgenreiner 線穿過髖臼外側(cè)邊緣點(diǎn)的線為 Perkins 的線，并通過髖臼外側(cè)邊緣點(diǎn)繪制與 Hilgenreiner 線的平行線 ( 圖2a )。然后使用 Hilgenreiner 和 Perkins 的線相交形成的雙側(cè) Perkins 方格來確定特定的 T?nnis 等級 ( 表2 )。股骨頭骨骺未出現(xiàn)的患兒采用 IHDI 方法分類 ( 表3 )。髖臼指數(shù)為從‘Y’型軟骨的中心點(diǎn)到髖臼外側(cè)邊緣點(diǎn)與 Hilgenreiner 線之間的夾角 ( 圖2b )。詳細(xì)的標(biāo)注過程如下：( 1 ) 標(biāo)注小組由 13 名臨床醫(yī)生組成。在開始工作之前，統(tǒng)一研究學(xué)習(xí)了診斷兒童 DDH 骨盆前后位 X 線片的關(guān)鍵點(diǎn)的位置和 T?nnis 分級標(biāo)準(zhǔn)；( 2 ) 10 219 張前后骨盆 X 線片被隨機(jī)分配給 8 名兒童骨科主治醫(yī)生 ( 均超過 8 年的兒童骨科臨床經(jīng)驗(yàn) ) 標(biāo)注；( 3 ) 然后由 2 名兒童骨科副主任醫(yī)師 ( 均超過 15 年的兒童骨科臨床經(jīng)驗(yàn) ) 和 2 名放射科副主任醫(yī)師 ( 均超過 15 年的兒童影像診斷臨床經(jīng)驗(yàn) ) 組成的專家委員會對標(biāo)注的圖像進(jìn)行審查；( 4 ) 如果有任意一個關(guān)鍵點(diǎn)位置不正確或 T?nnis 分級不當(dāng)，委員會將 X 線片視為不合格。如果專家委員會有分歧 ( 關(guān)于關(guān)鍵點(diǎn)的位置或 T?nnis 等級 )，將咨詢第三位專門從事兒童骨科髖部成像的主任醫(yī)師 ( 有超過 25 年兒科骨科影像診斷臨床經(jīng)驗(yàn) )；( 5 ) 未達(dá)標(biāo)的 X 線片被重新標(biāo)注，直到達(dá)標(biāo)。

表2 髖關(guān)節(jié)發(fā)育不良的 T?nnis 分類Tab.2 T?nnis classification for developmental dysplasia of the hip

表3 IHDI ( 適用于股骨頭未出現(xiàn)者 ) 分類Tab.3 IHDI classification for DDH ( not requiring the presence of an ossific nucleus )

圖2 標(biāo)注示意圖：前后骨盆 X 線片，攝于 2015 年 5 月 10 日，患兒，女，22 個月 a：6 個紅點(diǎn)代表臨床醫(yī)生提出的 6 個關(guān)鍵點(diǎn)，1、2 為“Y”形軟骨中心點(diǎn)；3、4 為髖臼外側(cè)邊緣點(diǎn)；5、6 為股骨頭骨化中心點(diǎn)；b：根據(jù)關(guān)鍵點(diǎn)用 T?nnis 方法繪制各線，確定髖臼指數(shù)和脫位程度Fig.2 Labeling diagram Anteroposterior pelvic radiographs taken on May 10, 2015. Female, 22 months old. a: The six red dots represented the key points made by the clinician ( 1, 2 = center points of the triradiate cartilage; 3, 4 = lateral acetabular edge points; 5, 6 = ossification center of the capital epiphysis ); b: A line was drawn using the T?nnis method to determine the acetabular index and dislocation

三、網(wǎng)絡(luò)框架

如圖3 所示，筆者應(yīng)用了一種深度學(xué)習(xí)方法，即“FR-DDH 網(wǎng)絡(luò)”，用于 X 線影像的自動診斷。 地標(biāo) L 的定位被轉(zhuǎn)換為以 L 為中心的鄰域的檢測。對于輸入圖像，網(wǎng)絡(luò)首先使用 ResNet-101 作為特征提取器，以獲得高維特征。繼而利用特征映射，區(qū)域建議網(wǎng)絡(luò)生成潛在的鄰域區(qū)域。接下來，通過感興趣區(qū)域 ( region of interest，ROI ) 池化結(jié)合區(qū)域和特征來預(yù)測區(qū)域的標(biāo)簽及其邊界框偏移。最后，關(guān)鍵點(diǎn)定位于檢測出切片的中心點(diǎn)并計(jì)算診斷結(jié)果。

圖3 網(wǎng)絡(luò)使用的框架。該網(wǎng)絡(luò)使用一個 ResNet-101 從輸入 X 線中提取特征。然后，通過一個稱為“區(qū)域建議網(wǎng)絡(luò)”的結(jié)構(gòu)生成潛在的鄰域區(qū)域。然后，使用 ROI 池化結(jié)合區(qū)域和特征，最后得到兩個分支的結(jié)果，包括分類結(jié)果和回歸結(jié)果。最后，這些結(jié)果可以用來計(jì)算關(guān)鍵點(diǎn)位置并得到最終的診斷Fig.3 The framework The network contained a ResNet-101 to extract features from the input X-rays. Next, potential neighborhood regions were generated by a structure as region proposal network. Region of interest ( ROI ) pooling combined the regions and the feature maps. Results of the two branches were obtained, including the classification and regression. All data can be used to calculate specific landmarks and determine the final diagnosis

RPN 使用生成的 2048-D 特征生成局部候選集，每個候選集都具有置信度分?jǐn)?shù)。以滑動窗口的方式在卷積特征圖上滑動。窗口尺寸設(shè)定為長度為 128×256 的方形。

一旦生成了局部鄰域候選集，F(xiàn)R-DDH 將候選集和特征通過 ROI 池結(jié)合起來。然后，每個特征向量分支成兩個輸出層：用于分類的 CLS 層和用于 回歸邊界框坐標(biāo)的回歸層。關(guān)鍵點(diǎn)最終定位在切片中心。

四、系統(tǒng)測試

首先，對采用的方法和模板匹配進(jìn)行了比較實(shí)驗(yàn)。模板匹配塊在輸入圖像中找到模板的最佳匹配。深度學(xué)習(xí)方案比模板匹配方法得到了顯著的改進(jìn)，因?yàn)樯疃葘W(xué)習(xí)有很強(qiáng)的能力來學(xué)習(xí)醫(yī)學(xué)影像中的復(fù)雜結(jié)構(gòu)關(guān)系。筆者比較了深度學(xué)習(xí)系統(tǒng)和臨床醫(yī)生在測試集 1138 張骨盆 X 線片上的診斷測量結(jié)果。首先，以臨床醫(yī)生診斷結(jié)果為準(zhǔn)測試深度學(xué)習(xí)系統(tǒng)在診斷骨盆線片是否脫位的總體精確度。2 歲前髖關(guān)節(jié)發(fā)育迅速，2 歲后髖關(guān)節(jié)骨性標(biāo)志明顯。因此，分別測試了深度學(xué)習(xí)系統(tǒng)在診斷低齡兒童 ( 0～2 歲 ) 和大齡兒童 ( ≥ 2 歲 ) 是否存在脫位的診斷準(zhǔn)確性。然后，對深度學(xué)習(xí)系統(tǒng)和臨床醫(yī)生測量的髖臼指數(shù)總體進(jìn)行了比較分析。還分別比較了低齡兒童 ( 0～2 歲 ) 和大齡兒童 ( ≥ 2 歲 ) 髖臼指數(shù)測量的一致性。此外，根據(jù)臨床診斷是否脫位 (“非脫位”組包括 T?nnis 分級的 0 級和 1 級，而“脫位”組包括 T?nnis 分類的 2～4 級 ) 分別比較兩組髖臼指數(shù)測量的一致性。

五、統(tǒng)計(jì)學(xué)處理

所有數(shù)據(jù)均采用 SPSS 22.0 軟件 ( IBM，Armonk，NY，USA ) 和 GraphPad Prism 5 軟件 ( GraphPad Inc.，San Diego，CA，USA ) 進(jìn)行統(tǒng)計(jì)學(xué)分析。應(yīng)用 ROC 曲線，評價(jià)深度學(xué)習(xí)系統(tǒng)在確定髖關(guān)節(jié)是否脫位時(shí)的診斷性能。然后用 Bland-Altman 散點(diǎn)圖評價(jià)深度學(xué)習(xí)系統(tǒng)和臨床醫(yī)生測量的髖臼指數(shù)測量的一致性。當(dāng) P ＜ 0.05 代表差異有統(tǒng)計(jì)學(xué)意義。

結(jié) 果

本研究使用 9081 張標(biāo)準(zhǔn)前后骨盆 X 線片訓(xùn)練和優(yōu)化計(jì)算機(jī)化的深度學(xué)習(xí)神經(jīng)網(wǎng)絡(luò)模型。測試集包括 1138 例 [ 男 242 例；女 896 例；年齡 0～10 歲，平均 ( 1.5±1.79 ) 歲 ]。其中 989 例 0～ 2 歲，149 例 ≥ 2 歲。1138 例 ( 2276 髖 ) 確定具體的 T?nnis 等級，并測量髖臼指數(shù)。測試集中臨床醫(yī)生和深度學(xué)習(xí)系統(tǒng)診斷不同程度發(fā)育不良的骨盆前后位 X 線片診斷結(jié)果如圖4 所示。深度學(xué)習(xí)系統(tǒng)和臨床醫(yī)生在 T?nnis 分級方面所作診斷的結(jié)果比較見 表4。“非脫位”組包括 T?nnis 分級的 0 級和 1 級，而“脫位”組包括 T?nnis 分類的 2～4 級，結(jié)果分布見表5。在測試集結(jié)果中有 13 例髖關(guān)節(jié)臨床醫(yī)生診斷“脫位”，但深度學(xué)習(xí)系統(tǒng)診斷為“非脫位”；診斷的詳細(xì)結(jié)果詳見表6。

表4 深度學(xué)習(xí)系統(tǒng)與臨床醫(yī)生判斷的 T?nnis 分級比較Tab.4 Comparison of T?nnis grading between the system and clinician judgment

表5 深度學(xué)習(xí)系統(tǒng)與臨床醫(yī)生診斷髖關(guān)節(jié)“脫位”的診斷分布Tab.5 Distribution of diagnoses of hip dislocation

表6 測試集中 13 例被臨床醫(yī)生診斷為“脫位”，但被深度學(xué)習(xí)系統(tǒng)診斷為“非脫位”的病例資料Tab.6 A series of 13 cases diagnosed as dislocation by clinicians but non-dislocation by the system

圖4 臨床醫(yī)生診斷和深度學(xué)習(xí)系統(tǒng)的案例。a、b、e、f 為臨床醫(yī)生的診斷，c、d、g、h 為深度學(xué)習(xí)系統(tǒng)的診斷 a、b：2016 年 7 月 21 日拍攝的骨盆前后 X 線片，患兒，男，6 個月；c、d：2014 年 11 月 2 日拍攝的骨盆前后 X 線片，患兒，女，14 個月；e、f：2018 年 4 月 10 日拍攝的骨盆前后 X 線片，患兒，女，2 歲；g、h：2016 年 12 月 9 日拍攝的骨盆前后 X 線片，患兒，女，7 歲Fig.4 Diagnoses made by clinicians and system. a, b, e, f: Diagnoses made by clinicians; c, d, g, h: Diagnoses made by the system a - b: Anteroposterior pelvic radiographs of a 6-months-old boy, taken on July 21, 2016; c - d: Anteroposterior pelvic radiographs of a 14-months-old girl, taken on November 2, 2014; e - f: Anteroposterior pelvic radiographs of a 2-years-old girl, taken on April 10, 2018; g - h: Anteroposterior pelvic radiographs of a 7-years-old girl, taken on December 9, 2016

在深度學(xué)習(xí)系統(tǒng)判斷髖關(guān)節(jié)是否“脫位”的性能，以臨床醫(yī)生診斷為準(zhǔn)，在測試集總 2276 個髖關(guān)節(jié) ROC 曲線下的面積 ( AUC ) 為 0.975，精度為 2254 / 2276 ( 99.0% )，靈敏度為 276 / 289 ( 95.5% )，特異性為 1978 / 1987 ( 99.5% )；幼兒組 ( 1978 髖 ) AUC 為 0.974，準(zhǔn)確率為 1956 / 1978 ( 98.9% )，敏感性為 265 / 278 ( 95.3% )，特異性為 1691 / 1700 ( 99.5% ) ( 圖5 )；未滿 6 個月的嬰兒 ( 190 髖 )，AUC 為 0.952，準(zhǔn)確率為 188 / 190 ( 98.9% )，敏感性為 19 / 21 ( 90.5% )，特異性為 169 / 169 ( 100% )。在高年齡兒童組 ( 298 髖 ) 中，準(zhǔn)確率為 298 / 298 ( 100% )。圖6 顯示了深度學(xué)習(xí)系統(tǒng)的髖臼指數(shù)測量與臨床醫(yī)生進(jìn)行的比較?？偟?1138 例 ( 2276 髖 )，與臨床醫(yī)生的測量相比，根據(jù) Bland-Altman 方法確定的 95% 的一致性界限為 -4.0°～3.45° ( bias = -0.27°，P ＜ 0.0001 )。小年齡兒童的髖臼指數(shù)測量，95% 的一致性界限為 -4.1°～3.5° ( bias = -0.3°，P = 0.0001 )， 6 個月以下的嬰兒，95% 的一致性界限為 -3.87°～ 3.77° ( bias = -0.05°，P = 0.728 )，對于高年齡組兒童，95% 的一致性界限為 3.38°～3.25° ( bias = -0.07°，P = 0.5013 )。“非脫位”和“脫位”組髖臼指數(shù)的 95% 一致性界限為 -3.27°～2.94° ( bias = -0.17°，P = 0.0001 ) 和 -7.36°～5.36° ( bias = -1.0°，P = 0.0001 ) ( 圖6 )。

圖5 ROC 曲線比較由深度學(xué)習(xí)系統(tǒng)作出的診斷和臨床醫(yī)生作出的診斷 a：所有 2276 例髖關(guān)節(jié)的診斷結(jié)果；b：1978 例髖關(guān)節(jié)在 0～2 歲患兒中的診斷結(jié)果Fig.5 Receiver operating characteristic ( ROC ) curves comparing the diagnoses made by the system and clinicians a: Diagnoses of all 2276 hips; b: Diagnoses of 1978 hips in children aged 0 - 2 years

圖6 Bland-Altman 散點(diǎn)圖，將深度學(xué)習(xí)系統(tǒng)的診斷與臨床醫(yī)生的診斷進(jìn)行比較 a：“非脫位”組；b：“脫位”組；c：幼兒組 ( 0～2 歲 )；d：高年齡組 ( ≥ 2 歲 )Fig.6 Bland-Altman plots comparing diagnoses made by the system and clinicians a: Non-dislocation group; b: Dislocation group; c: Young children ( aged 0 - 2 years ); d: Elder children ( aged ≥ 2 years )

討 論

DDH 早期及時(shí)的診斷和治療至關(guān)重要[1,13]。未滿 6 個月的嬰兒通常通過超聲診斷。雖然超聲篩查的逐步普及仍有相當(dāng)數(shù)量的病例延遲診斷以及診斷后 6 個月仍未治愈病例，都需要 X 線檢查[13,19]。在 DDH 涉及半脫位和脫位的病例中，股骨頭有明顯的移位一般容易通過 X 線診斷。一旦診斷髖關(guān)節(jié)半脫位或脫位時(shí)，任何年齡的個體都需要治療，盡管具體的治療形式可能有所不同[1]。在本研究中的深度學(xué)習(xí)系統(tǒng)，在測試集 2276 例髖關(guān)節(jié)中，2254 例髖關(guān)節(jié) ( 99% ) 被準(zhǔn)確診斷是否“脫位”( 包括半脫位和脫位 )；深度學(xué)習(xí)系統(tǒng)診斷的特異性和敏感性分別為 1978 / 1987 ( 99.5% ) 和 276 / 289 ( 95.5% )。9 例髖關(guān)節(jié)深度學(xué)習(xí)系統(tǒng)診斷為有“脫位”，而臨床醫(yī)生診斷為“未脫位”。究其原因其中 2 例由于股骨頭骨骺未出現(xiàn)或畸形，很難定位股骨頭關(guān)鍵點(diǎn)，另有 7 例因 X 線不規(guī)范、骨盆旋轉(zhuǎn)或股骨內(nèi)收而被深度學(xué)習(xí)系統(tǒng)誤診為 DDH。另外有 13 例髖關(guān)節(jié)臨床醫(yī)生診斷為“脫位”，而深度學(xué)習(xí)系統(tǒng)診斷為“未脫位”。其中 4 例 ( 2 例 ＜ 6 個月 ) 中，由于股骨頭骨骺未出現(xiàn)或畸形難以定位，另有 9 例因 X 線片骨盆偏轉(zhuǎn)或股骨內(nèi)收。盡管這 13 例髖脫位的判斷不正確但結(jié)合測量的髖臼指數(shù)這些病例并沒有造成漏診；因此對于股骨頭骨骺未出現(xiàn)的患兒及攝 X 線片體位不正的患兒使用人工智能進(jìn)行診斷的時(shí)候，建議臨床醫(yī)生復(fù)核。而對 6 個月以下的患兒由于股骨頭骨骺未骨化，超聲仍然是一個更優(yōu)的方法。診斷 DDH 時(shí)，鑒別正常和髖臼發(fā)育不良的病例較難；髖臼指數(shù)是此類病例最重要的指標(biāo)[1,20]。然而，在 2 歲之前，髖臼指數(shù)和髖關(guān)節(jié)形態(tài)都會隨著生長發(fā)育而發(fā)生顯著變化；在年齡較大的兒童中，變化程度要小得多[20-21]。正因?yàn)槿绱?，在本研究中把病例分組為 0～2 歲和 ≥ 2 歲進(jìn)行研究。分析發(fā)現(xiàn)，在高年齡組中診斷髖關(guān)節(jié)“脫位”的準(zhǔn)確性和髖臼指數(shù)測量的一致性比幼兒組更好。與臨床醫(yī)生的測量相比，非脫位組的髖臼指數(shù)測量用 Bland-Altman 方法計(jì)算的 95% LOA 為 -3.27°～2.94°，而脫位組的 95% LOA 為 -7.36°～5.36°。脫位組髖臼指數(shù)誤差較大，這與臨床醫(yī)生在測量髖臼指數(shù)時(shí)所經(jīng)歷的相同問題，由于髖脫位患兒的髖臼外緣不規(guī)則，從而導(dǎo)致定位困難[12]。根據(jù)以前的報(bào)告，不同臨床醫(yī)生的測量誤差范圍從 ±3.5°～±10° 不等[9-12]。根據(jù) Bland-Altman 原則[22-23]將兩種測量方法之間 95% 的一致性界限與臨床可接受的誤差閾值進(jìn)行比較；如果 95% 的一致性界限在臨床上是可以接受的，則認(rèn)為這兩種方法是可以互換的。在本研究中，非脫位組髖臼指數(shù)測量的一致性明顯的低于臨床醫(yī)生組間測量誤差。應(yīng)用 Bland-Altman 原理，深度學(xué)習(xí)系統(tǒng)測量非脫位組髖臼指數(shù)可信度較高。在非脫位組中，可根據(jù)年齡和該區(qū)域的髖臼指數(shù)標(biāo)準(zhǔn)進(jìn)一步確定髖關(guān)節(jié)是否存在發(fā)育不良。深度學(xué)習(xí)系統(tǒng)能夠有效地識別髖關(guān)節(jié)“脫位”和“未脫位”，且“脫位”組髖臼指數(shù)的測量誤差在臨床上是可以接受的。總的來說，深度學(xué)習(xí)系統(tǒng)的輔助診斷測量與傳統(tǒng)的臨床診斷結(jié)果有很高的相似性。然而，深度學(xué)習(xí)系統(tǒng)在速度和批量處理方面都更有優(yōu)勢。深度學(xué)習(xí)系統(tǒng)診斷每個 X 線片所需時(shí)間為 1 s，比臨床醫(yī)生進(jìn)行人工診斷所需時(shí)間短。

這項(xiàng)研究仍有些局限性。( 1 ) 骨盆 X 線片的標(biāo)注可能存在差異，雖然通過多輪交叉審核，但不同臨床醫(yī)生標(biāo)注的結(jié)果可能有所不同。( 2 ) 對年齡較大和嚴(yán)重脫位的患兒 X 線片數(shù)量較少；因此，發(fā)現(xiàn)可能不能反映總體情況。( 3 ) 這是一個單一中心 的研究。計(jì)劃在未來的研究中更加需要繼續(xù)豐富數(shù)據(jù)集。

總之，本研究證明了使用深度學(xué)習(xí)系統(tǒng)對髖關(guān)節(jié)脫位兒童骨盆前后 X 線片進(jìn)行初步篩查的可行性。本研究中人工智能輔助診斷 DDH 的初步成功為開發(fā)更快速、客觀、準(zhǔn)確的基于人工智能的 DDH 診斷技術(shù)提供了堅(jiān)實(shí)的基礎(chǔ)。