相关实验视频
Updated: Jul 15, 2025
06:24
A Spine Robotic-Assisted Navigation System for Pedicle Screw Placement
Published on: May 11, 2020
8.9K
在脊椎体中自动测量螺丝间角,以深度学习的患者进行绑定
Kellen L Mulford1, Christina Regan1, Charles P Nolte1
1Orthopedic Surgery Artificial Intelligence Laboratory, Department of Orthopedic Surgery, Mayo Clinic, 200 1st St SW, Rochester, MN 55905, USA; Mayo Clinic Department of Orthopedic Surgery, Mayo Clinic, 200 1st St SW, Rochester, MN 55905, USA.
The spine journal : official journal of the North American Spine Society
|September 29, 2023
概括
一个深度学习算法自动化了在青少年异常学变结症中进行脊椎体绑定 (VBT) 的螺丝间角测量. 这种工具可以大大节省时间,并提高评估脊柱生长调节和带完整性的准确性.
科学领域:
- 整形外科 整形外科 整形外科
- 医疗成像医学成像
- 人工智能的人工智能
背景情况:
- 脊椎体绑定 (VBT) 是青少年特异性脊柱病的主要非融合治疗方法.
- 评估结效应包括测量螺丝间角,这是一个历史上容易耗时和变化的过程.
- 确定生长调节和断的门需要精确,可靠的角度测量.
研究的目的:
- 开发和验证一种自动化的深度学习算法,用于测量VBT患者的螺丝间角.
- 提高VBT手术后评估脊柱变化的效率和准确性.
主要方法:
- 开发了一个U-Net深度学习模型,用于对脊椎体螺丝进行自动细分.
- 创建了一个图像处理算法,以使用细分的螺丝数据测量螺丝间角.
- 该算法在100名VBT患者的229张X射线图上进行了训练和测试.
主要成果:
- 深度学习模型在螺丝分割方面获得了0.96的Dice分数.
- 与手动测量相比,自动化算法测量了螺丝间角的平均绝对误差为0.66°.
- 该算法展示了高精度 (在大多数测量中在1°内) 和快速处理图像 (每秒5次).
结论:
- 一个准确和高效的深度学习算法来测量VBT患者的螺丝间角已经开发出来.
- 这种自动化方法可以大大节省时间,并有可能对VBT结果进行更严格的分析.
- 该算法可能有助于为增长调节和断建立更清晰的定义.
