昆士兰科技大学的科学家开发了一种深度学习框架，可以检测 X 射线图像中的肩部异常(例如骨折)，准确率高达 99%，使临床医生能够在紧急情况下做出正确、快速的决策。

由昆士兰科技大学科学家领导的国际团队的研究结果发表在《PLOS One》杂志上。

该研究的第一作者、昆士兰科技大学 Laith Alzubaidi 博士表示，全球有 17 亿人受到肌肉骨骼疾病的痛苦和衰弱影响。

“肌肉骨骼问题可能具有挑战性，特别是在紧急情况下，快速、正确的诊断和决策至关重要，”昆士兰科技大学机械、医疗和过程工程学院和 ARC 工业转型培训中心联合生物力学的 Alzubaidi 博士说。

“虽然深度学习在医疗决策应用中显示出了前景，但在检测肩部异常(无论是骨折、关节炎还是 X 光畸形)时，仍然存在性能不佳和缺乏透明度的问题。”

Alzubaidi 博士表示，该过程包括使用特征融合技术来组合从七个深度神经模型中提取的特征。

“基于机器学习的分类技术需要完全描述性的特征来区分类别，以实现高性能，”他说。

“为了实现这一目标，我们使用特征融合技术来增强各个模型的结果。

“这项技术能够对内部信息进行完整的描述，从而产生融合特征的紧凑表示，从而提高该任务的性能。