[摘 要] 目的 基于深度学习的方法建立腕关节直接数字平板X线成像系统(DR)自动质控模型生成系 统,并对质控性能进行初步研究。方法 采用人工智能深度学习的方法建立腕关节正位和侧位DR图像质控系 统模型,回顾性收集重庆大学附属中心医院临床怀疑腕关节病变的1 315张图像,按6︰4的比例划分训练集和 验证集。在MobileNet V2分类模型和Global Universal U-Net(GU2Net)关键点检测模型上进行训练,然后分 别使用模型准确率、精准度、召回率和曲线下面积(AUC),以及平均径向误差(MRE)和成功检出率(SDR)进行评 估。结果 根据验证数据集的实验所得到的伪影分类模型在伪影识别方面具有较高的性能,AUC=0.970 1,95% 可信区间(95%CI)0.970 0~0.970 3,其准确率、精准度、召回率分别为0.93、0.88和0.97。正位和侧位影像中关 键点检测模型的MRE也在合理水平,分别达到(0.794 4±3.253 5)mm和(3.813 4±7.408 7)mm。距离10.0 mm 下正位和侧位关键点检测模型的SDR分别为99.64%、92.51%。结论 基于深度卷积神经网络开发的全自动腕 关节DR质控系统模型,能够对腕关节正位和侧位片自动生成图像质量控制报告,且效果较好。