全自动算法用于检测和跟踪光镜图像上的解剖学肩膀地标,使用人工智能.

科学领域:

• 整形外科和运动医学
• 医疗成像医学成像
• 医疗保健中的人工智能

背景情况:

• 旋转手套的撕裂经常导致关节关节的不稳定.
• 从光镜评估肩部动力学和角度传统上需要在每个图像上手动识别地标.
• 这种手动过程耗时,容易变化.

研究的目的:

• 开发和验证人工智能 (AI) 模型,用于在光镜图像上自动检测解剖学地标.
• 为了能够精确地跟踪肩和部头部的运动,以改善肩部不稳定性的评估.

主要方法:

• 一个3D全分辨率卷积神经网络 (nnU-Net) 被训练使用光镜图像从参与者和没有旋转手套撕裂.
• 该模型旨在自动定位关键地标,包括关节中心,关节轴,关节边缘,acromion和校准球.
• 图像采集涉及手臂绑架/拉伸运动,并没有增加重量.

主要成果:

• 人工智能模型在里程碑检测中实现了高准确度,与评价者之间的变化相当,略低于评价者内部的变化.
• 大多数地标和校准球都位于1.5毫米以内,部地标略有偏差.
• 抽取角度的计算差异保持在1°以内.

结论:

• 开发的AI算法表现出足够的准确性,可以在光镜图像上自动检测地标.
• 这有助于客观地评估肩部运动,肩膀旋转和膜转移.
• 该算法简化了里程碑识别,为临床评估肩部稳定性提供了有价值的工具,特别是在旋转袖口撕裂的患者中.