人工智能驱动的细分和自动分析来自X射线图像的整个斜腰脊柱,用于脊椎骨盆参数评估
Sang-Youn Song1, Min-Seok Seo1, Chang-Won Kim1
1Department of Orthopaedic Surgery, Institute of Medical Science, Gyeongsang National University Hospital and Gyeongsang National University School of Medicine, Jinju 52727, Republic of Korea.
Bioengineering (Basel, Switzerland)
|October 28, 2023
概括
一个新的人工智能 (AI) 深度学习模型自动化了从X射线测量脊髓-骨盆参数的测量. 这种人工智能工具显示出良好的可靠性,改善了骨科诊断和治疗计划.
科学领域:
- 整形外科手术 整形外科手术
- 医疗成像医学成像
- 人工智能的人工智能
背景情况:
- 脊柱-骨盆参数对于诊断和治疗脊柱疾病至关重要,但手动测量X射线图具有挑战性.
- 自动化整脊椎横向放射图的分析对于提高诊断准确性和效率至关重要.
- 深度学习 (DL) 技术在自动化复杂的医学图像分析任务方面显示出潜力.
研究的目的:
- 开发和评估基于人工智能 (AI) 的深度学习方法,用于自动细分,对齐和测量脊髓盆地参数.
- 与骨科专家相比,评估人工智能模型的准确性和评级者之间的可靠性.
- 测量13个关键的X光照对齐和脊椎骨盆参数从整个脊柱侧面X光照.
主要方法:
- 一个深度学习 (DL) 模型被开发并训练在932条注释的全脊柱侧面放射图上,涵盖各种脊柱病理.
- 该DL模型自动识别了解剖学地标 (脊椎,十字体,股骨头) 并测量了13个脊椎和骨盆的参数.
- 评估者之间的可靠性是使用类内相关系数 (ICC) 评估的,将DL模型与骨科脊柱专家和住院医生进行比较.
主要成果:
- 人工智能模型在解剖学地标上实现了可接受的细分精度 (中位误差1.7-4.1毫米).
- 对于脊椎曲率测量,DL模型和专家之间的评价者间可靠性相当好 (ICC > 0.62).
- DL模型在预测地标位置和测量放射性对齐和脊髓盆膜参数方面表现出良好的可靠性.
结论:
- 开发的DL模型提供了一个有前途的自动化解决方案,用于分割和分析整个脊柱横向放射图.
- 这种人工智能驱动的方法可以提高骨科诊断,治疗规划和手术干预的准确性和效率.
- 使用DL自动测量脊椎盆腔参数代表了骨科成像分析的重大进步.
