Deep Learning in the Detection of Rare Fractures – Development of a “Deep Learning Convolutional Network” Model for Detecting Acetabular Fractures
Felix Erne, Daniel Dehncke, Steven C. Herath, Fabian Springer, Nico Pfeifer, Ralf Eggeling, Markus Alexander Küper · Zeitschrift für Orthopädie und Unfallchirurgie · 2023 · Heft 01 · S. 42-50
Bibliografische Angaben
Zusammenfassung
Zusammenfassung Hintergrund Die automatische Frakturerkennung mithilfe von künstlicher Intelligenz (KI) ist derzeit ein wichtiges Thema in der unfallchirurgischen und radiologischen Forschung. Vor allem bei der Nutzung von „Deep Convolutional Neural Networks“ (DCNN) ist allerdings üblicherweise eine große Anzahl an Trainingsdatensätzen erforderlich, um gute Erkennungsraten zu erzielen, weswegen diese Methoden bisher i. d. R. an sehr häufigen Frakturen und an Röntgenbildern angewendet werden. Demgegenüber stellen seltene Frakturen wie die Azetabulumfraktur (AF) eine Herausforderung für neuronale Netzwerke dar. Zi…
