La viabilidad y el rendimiento del algoritmo de aprendizaje profundo para predecir la sustitución total de cadera con datos del mundo real
Autores: Chen, Chih-Chi; Huang, Jen-Fu; Lin, Wei-Cheng; Cheng, Chi-Tung; Chen, Shann-Ching; Fu, Chih-Yuan; Lee, Mel S.; Liao, Chien-Hung; Chung, Chia-Ying
Idioma: Inglés
Editor: MDPI
Año: 2023
Acceso abierto
Artículo científico
2023
La viabilidad y el rendimiento del algoritmo de aprendizaje profundo para predecir la sustitución total de cadera con datos del mundo real
Categoría
Ingeniería y Tecnología
Subcategoría
Bioingeniería
Palabras clave
Trastorno degenerativo de cadera
Reemplazo total de cadera
Algoritmo de aprendizaje profundo
Imágenes médicas
Modelo predictivo
Datos del mundo real
Licencia
CC BY-SA – Atribución – Compartir Igual
Consultas: 34
Citaciones: Sin citaciones
(1) Antecedentes: El trastorno degenerativo de cadera es una enfermedad geriátrica común que es una de las principales causas que llevan a reemplazo total de cadera (THR). El momento quirúrgico de THR es crucial para la recuperación postoperatoria. Los algoritmos de aprendizaje profundo (DL) pueden ser utilizados para detectar anomalías en imágenes médicas y predecir la necesidad de THR. Los datos del mundo real (RWD) se utilizaron para validar la inteligencia artificial y el algoritmo de DL en medicina, pero no hubo un estudio previo para demostrar su función en la predicción de THR.
Descripción
(1) Antecedentes: El trastorno degenerativo de cadera es una enfermedad geriátrica común que es una de las principales causas que llevan a reemplazo total de cadera (THR). El momento quirúrgico de THR es crucial para la recuperación postoperatoria. Los algoritmos de aprendizaje profundo (DL) pueden ser utilizados para detectar anomalías en imágenes médicas y predecir la necesidad de THR. Los datos del mundo real (RWD) se utilizaron para validar la inteligencia artificial y el algoritmo de DL en medicina, pero no hubo un estudio previo para demostrar su función en la predicción de THR.