征服科布角度:一种深度学习算法,用于自动化,硬件不变的科布角度测量,用于脊椎病患者的X光照
Abhinav Suri1, Sisi Tang1, Daniel Kargilis1
1From the Department of Radiology and Orthopedic Surgery, University of Pennsylvania Perelman School of Medicine, Philadelphia, Pa.
Radiology. Artificial intelligence
|August 2, 2023
概括
一个新的深度学习算法自动测量Cobb角度,用于诊断脊椎病,提供快速而准确的结果. 这种机器学习方法有助于高效地监测脊柱病和进行手术规划.
科学领域:
- 放射学和成像学 放射学和成像学
- 整形外科 整形外科 整形外科
- 人工智能在医学中的应用
背景情况:
- 脊椎病影响超过8%的美国成年人,通过手动科布角测量X射线图诊断.
- 手动科布角测量是耗时的,阻碍了手术规划和患者监测.
- 准确和高效的脊椎病评估对于患者管理至关重要.
研究的目的:
- 开发和验证一条自动化管道,用于测量脊柱病患者的科布角.
- 评估用于科布角测量的深度学习算法的准确性和稳定性.
- 评估算法在不同患者人口统计和成像类型的表现.
主要方法:
- 一项使用SpineTK架构的回顾性研究训练了1310张前后图像.
- 该管道在内部 (n=460) 和外部 (n=161) 数据集上进行了验证和测试.
- 深度学习算法,特别是卷积神经网络,用于自动化的科布角测量.
主要成果:
- 与专家放射科医生相比,该算法实现了高精度,误差不到2° (ICC=0.96),与专家放射科医生相比.
- 测量速度很快,在0.5秒内完成.
- 性能在各种因素上保持一致,包括手术硬件,年龄,性别,BMI,脊椎病严重程度和图像类型.
结论:
- 开发的自动化算法提供了快速,准确和强大的科布角度测量,用于脊椎病.
- 这种深度学习工具显示了改善脊椎病进展监测和临床工作流程的巨大潜力.
- 该算法在不同患者特征上的一致性支持其临床适用性.
