深度学习用于自动测量骨骨关节解剖学地标
Zelong Liu1, Alexander Zhou1, Valentin Fauveau1
1BioMedical Engineering and Imaging Institute, Icahn School of Medicine at Mount Sinai, New York, NY 10029, USA.
Bioengineering (Basel, Switzerland)
|July 29, 2023
概括
一个新的深度学习模型从CT扫描中准确地测量膝盖解剖,为健康患者和关节形成术患者提供与人类可比的结果. 这种工具可以增强人们对大规模的骨骨关节解剖学的理解.
科学领域:
- 医疗成像医学成像
- 人工智能的人工智能
- 整形外科 整形外科 整形外科
背景情况:
- 脊椎骨解剖学的特征是有限的.
- 使用深度学习对膝盖解剖学的自动测量可以改善理解和结果.
研究的目的:
- 开发和验证一个深度学习模型,用于自动识别和测量骨骨关节地标.
- 评估模型测量的准确性和可比性与健康和病态膝盖的基本真相.
主要方法:
- 一个两阶段的深度学习模型 (RadImageNet上的ResNet50) 被训练在483名患者的14,652张CT图像上.
- 标注了7个腿骨骨关节地标,并计算了4个关键膝关节参数.
- 用平均绝对误差和布兰德-阿尔特曼分析来评估模型性能.
主要成果:
- 该模型在里程碑预测中实现了0.20-0.26厘米的平均绝对误差.
- 计算的膝关节参数与基本情况没有显著差异,除了健康队列的角.
- 对于健康的膝盖和病态的膝盖,进行了与人类可比的测量.
结论:
- 深度学习模型准确地识别了三关节的地标,并产生了可靠的骨骨测量.
- 这是第一个大规模的深度学习模型,用于使用健康和病态CT数据进行自动化骨骨关节注释.
- 该模型提供了一种新的方法,可以在规模上分析椎骨 compartment解剖学.


