THA-Net:为下一代模板和患者特定的外科手术执行提供深度学习解决方案.

科学领域:

• 人工智能的人工智能
• 医疗成像医学成像
• 整形外科手术 整形外科手术

背景情况:

• 深度学习算法正在推进医学成像分析.
• 模拟术后结果有助于手术规划和教育.
• 整部关节整形术 (THA) 需要精确的手术前规划.

研究的目的:

• 介绍THA-Net,一个深度学习的绘制算法.
• 从单个手术前图像中模拟术后全关节整形术 (THA) 放射.
• 启用无条件 (由算法选择) 或有条件 (由外科医生选择) 的植入物预测.

主要方法:

• 通过THA-Net处理手术前的放射图,用THA植入物生成合成的术后图像.
• 该算法在来自14357名患者的356305对X射线图上进行了训练.
• 通过使用人类和基于软件的标准,评估了外科手术有效性和现实性.

主要成果:

• 合成射线图显示了明显更高的手术有效性比真正的.
• 失明的专家审稿人无法区分合成与真实X射线图的现实主义.
• 深度学习模型证实了合成图像的卓越有效性和现实性.

结论:

• THA-Net 作为下一代的模板工具,用于全关节整形术.
• 由THA-Net生成的合成放射图片超过了实际训练数据的外科执行质量.
• 该工具具有针对患者的具体规划,机器人,导航和增强现实应用的潜力.