自动化肩部植入物制造商检测使用编码器解码器基于X射线图像的分类器

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:

• 全肩关节整形手术 (TSA) 用假肢取代肩关节.
• 植入物识别对于修复手术至关重要,但往往由于记录保存不良而受到阻碍.
• 磨损需要潜在的未来植入物更换.

研究的目的:

• 开发一个人工智能系统,准确地分类全肩关节整形植入物制造商和模型.
• 为了应对从X射线图像中识别植入物类型的挑战.
• 提高TSA患者治疗计划的效率.

主要方法:

• 开发了一个基于编码器解码器的分类器.
• 使用了监督对比损失函数.
• 该系统使用TSA植入物的X射线图像进行训练和评估.

主要成果:

• 人工智能系统在识别植入物制造商方面实现了92%的准确性.
• 该方法有效地克服了植入数据集固有的阶级失衡问题.
• 拟议的方法在从放射图像中分类假肢类型方面表现出高效率.

结论:

• 通过X射线对TSA植入物进行人工智能驱动的分类是可行的和准确的.
• 这项技术可以显著加快植入物模型的识别,帮助临床决策.
• 开发的AI系统为管理TSA植入信息提供了一个有希望的解决方案.