배경: 흉부 방사선 사진에서 관련 증상 없이 늑골 골절을 감지하는 것은 놓칠 수 있어 어려운 과제입니다. 인공지능을 사용하여 즉시 늑골 골절을 식별하고 표시해줄 수 있다면 의사들에게 큰 도움이 될 것입니다. 본 연구는 흉부 방사선 사진에서 잠재적인 늑골 골절을 감지하기 위한 인공지능 모델을 개발하는 것을 목표로 하였습니다.
방법: 미리 정의된 신경망 아키텍처를 사용하여 272 개의 간단한 흉부 방사선 사진(늑골 골절이 포함된 186 장)을 사용하여 인공지능 모델을 훈련시켰습니다. 기계 학습 반복 횟수를 500 부터 10,000 까지 변화시키면서 늑골 골절 병변 유무를 식별하고 정확한 위치를 표시하는지 평가되었습니다.
결과: 흉부 방사선 사진에서 늑골 골절 병변을 감지할 수 있는 프로그램을 성공적으로 개발할 수 있었습니다. 인공지능 모델은 8000 번의 반복 이후에 최적의 결과를 나타냈습니다(민감도 88.2%, 특이도 92.9%). 최상의 성능은 8000 번의 반복에서 얻어졌으며 잭나이프 대체 자유 응답 수신 운영 특성 평가지표는 0.812 이었으며 민감도는 68.4%입니다. 그러나 8000 번의 반복 이후에는 성능이 더 이상 향상되지 않았습니다.
결론: 미리 정의된 신경망 아키텍처를 사용하여 늑골 골절을 감지할 수 있는 인공지능 모델을 개발하는 것이 가능합니다. 추가 연구는 다른 분야에서 응용 가능한 더 정교한 인공지능 모델을 개발할 것입니다.