THA-AID:深度学习工具,用于全关节整形,以不确定性和异常量化方式自动检测植入物

科学领域:

• 整形外科手术 整形外科手术
• 医学成像医学成像
• 医疗保健中的人工智能

背景情况:

• 植入物的手术前识别对于修复全关节整形术 (THA) 来说至关重要但具有挑战性.
• 现有的深度学习 (DL) 工具在分类组件,放射视图和报告不确定性或异常值方面存在局限性.

研究的目的:

• 介绍全关节整形自动植入检测器 (THA-AID),这是一个新的DL工具.
• 为了使从不同的放射视图自动识别股骨和骨部件.
• 将不确定性量化和异常值检测纳入DL模型.

主要方法:

• 开发了THA-AID,使用了241,419张X射线图的数据集.
• 训练该工具识别20个股骨和8个骨组成部分在AP,侧面和斜视图中.
• 集成的不确定性合规预测和用于异常值检测的定制框架.

主要成果:

• 在内部测试套件上,无论视角如何,对于股骨和骨部件都获得了98.9%的准确性.
• 在外部测试套件上证明了97.0%的腿部部部件的准确性.
• 成功识别了>99%的域外异常值和>89%的域内异常值.

结论:

• THA-AID是一种高性能自动化工具,用于从放射图片中识别植入物.
• 该工具在不同的放射视图中显示一致的性能.
• 这项研究是骨科中第一个将不确定性量化和异常值检测整合到DL模型中,用于此应用.