腎-輸尿管-膀胱 (KUB) 成像是一種低成本、低輻射且方便的放射學檢查。對於沒有經驗的臨床醫生來說，正確解讀 KUB是困難的。在 KUB檢查後也可能無法立即獲得正式的放射學報告。因此近年來許多基於人工智能的電腦輔助診斷(CAD)系統陸續被開發出來幫助臨床醫生更有效地做出正確診斷以進行進一步治療。在本研究中，我們提出了一種基於深度學習模型判讀KUB的CAD系統，旨在幫助一線急診室臨床醫生準確診斷尿路結石。我們回顧性地分析了104位尿路結石患者共355張KUB。然後，我們訓練了一個ResNet 架構的深度學習模型，使用這些預處理圖像數據集根據是否存在腎結石對 KUB 圖像進行分類，最後透過調整參數測試了模型。結果顯示此模型的準確性、靈敏度、特異性和 F1 度量在驗證集上分別為 0.977、0.953、1 和 0.976，在測試集上分別為 0.982、0.964、1 和 0.982。此外，與現有的文獻上基於卷積神經網路(CNN)的方法相比，此模型表現良好，並且能夠成功檢測KUB中的尿路結石。我們希望此方法能夠幫助急診室臨床醫生做出準確的診斷，並減少電腦斷層掃描 (CT) 帶來的不必要的輻射暴露，以及相關的醫療費用，達到醫病兩端雙贏的局面。
延伸閱讀：斜仰臥截石位經皮腎臟鏡取石手術
延伸閱讀：【自由時報】男子右腎鹿角結石 「跑跑人」體位上下夾擊順利取石
延伸閱讀：PGY課程 : 阻塞性尿路疾病、陰囊積水、精索靜脈曲張
延伸閱讀：完全無X光超音波導引斜仰臥截石位迷你經皮腎臟鏡碎石取石手術：一種新型聯合手術
