用深度学习与潜在的临床验证进行脊柱对齐分析的放射相似的图像合成
相关实验视频
Updated: Jul 24, 2025
05:05
Four-Dimensional CT Analysis Using Sequential 3D-3D Registration
Published on: November 23, 2019
8.0K
Nan Meng1,2, Kwan-Yee K Wong3, Moxin Zhao1
1Department of Orthopaedics and Traumatology, The University of Hong Kong, Pokfulam, Hong Kong SAR, China.
EClinicalMedicine
|July 10, 2023
概括
一种新的无辐射设备使用基于光的深度感应和深度学习来通过检测背部的地标和合成图像来分析青少年异常学脊椎病 (AIS),为查提供一种无害的替代方案.
科学领域:
- 医学成像医学成像
- 医疗保健中的人工智能
- 整形外科 整形外科 整形外科
背景情况:
- 青少年固态脊柱病 (AIS) 是儿童常见的一种脊柱疾病.
- 目前的诊断方法,如物理和放射检查是主观的或涉及辐射暴露.
- 为了准确的AIS查和诊断,需要一个无辐射系统.
研究的目的:
- 开发和验证用于分析AIS的无辐射系统.
- 利用基于光的深度感应和深度学习来检测地标和图像合成.
- 为传统诊断方法提供安全有效的替代方案.
主要方法:
- 从香港诊所招募了连续的AIS患者.
- 采集红绿蓝深度 (RGBD) 图像,使用一种新的无辐射设备.
- 在培训 (n=1936) 和前 (n=302) 队列上开发和验证了深度学习模型,使用外科医生标记的数据作为基础真相.
主要成果:
- 该模型在预测裸体背部地标时,以<4像素的误差实现了高准确度.
- 合成放射相似图像 (RCI) 显示了AIS严重程度和曲线类型分类的高灵敏度和NPV.
- 从RCI估计的科布角与地面真相有很强的相关性 (R2=0.984,p<0.001).
结论:
- 开发的无辐射设备提供瞬间和无害的脊柱对齐分析.
- 这项技术具有很大的潜力,可以整合到常规青少年脊柱体查中.
- 它提供了一种安全,准确和有效的AIS评估方法.
