相关实验视频
Updated: Jul 26, 2025
05:05
Four-Dimensional CT Analysis Using Sequential 3D-3D Registration
Published on: November 23, 2019
8.0K
在使用基于深度学习的细分模型的动态宫射线图中测量脊柱间运动
Dae-Woong Ham1, Yang-Seon Choi1, Yisack Yoo1
11Department of Orthopedic Surgery, Chung-Ang University Hospital, College of Medicine, Chung-Ang University, Dongjak-gu, Seoul.
Journal of neurosurgery. Spine
|June 16, 2023
概括
一个新的AI算法准确地测量了ACDF手术后的脊柱间运动 (ISM),显示了与人类专家的强烈一致. 这种深度学习工具有助于在临床环境中评估功能融合状态.
科学领域:
- 脊柱外科手术 脊柱外科手术
- 医疗成像医学成像
- 人工智能的人工智能
背景情况:
- 脊椎间运动 (ISM) 对于在前椎切除和融合 (ACDF) 后评估功能融合至关重要.
- 目前用于测量ISM的方法面临临临床准确性和易于使用的挑战.
研究的目的:
- 评估基于深度学习的细分模型的可行性,用于测量ACDF患者的ISM.
- 为了验证一个卷积神经网络 (CNN) 用于自动 ISM 测量.
主要方法:
- 从106名ACDF患者的动态宫放射图的回顾性分析.
- 在150张正常的宫放射图上训练CNN算法,用于脊椎过程细分.
- 使用评价者间可靠性 (ICC),RMSE和Bland-Altman分析对人类专家进行验证.
主要成果:
- 人工智能算法在状过程检测中实现了99.2%的准确性.
- 在ISM测量中,人工智能和人类专家之间的高interrater可靠性 (0.88).
- 平均测量差异为0.02 ± 0.68毫米,其中95%的一致性范围为0.11至1.36毫米.
结论:
- 一个基于CNN的新型自细分算法证明了对测量ISM的强烈共识.
- 人工智能工具显示有潜力帮助临床医生评估ACDF后的细分运动.
- 这项技术提供了一种可靠的方法来评估功能融合状态.
