深度学习算法用于完全自动测量成年脊柱形患者的斜腰平衡
Jannis Löchel1, Michael Putzier2, Marcel Dreischarf3
1Center for Musculoskeletal Surgery, Charité - Universitätsmedizin Berlin, corporate member of Freie Universität Berlin, Humboldt-Universität zu Berlin, and Berlin Institute of Health, Augustenburger Platz 1, 13353, Berlin, Germany. jannis.loechel@charite.de.
概括
一个新的深度学习 (DL) 算法使用医学成像准确地分析成年脊柱形 (ASD) 的斜腰平衡. 这种自动化工具与手工测量具有很高的一致性,证明了其临床潜力.
科学领域:
- 脊柱外科手术 脊柱外科手术
- 医学成像分析 医学成像分析
- 医疗保健中的人工智能
背景情况:
- 成年脊柱形 (ASD) 需要精确的斜腰平衡评估才能有效治疗.
- 手动测量放射性参数可能耗时且容易变化.
- 深度学习 (DL) 为自动化和准确的医疗图像分析提供了潜力.
研究的目的:
- 评估完全自动化的深度学习 (DL) 算法的准确性,用于分析成年脊柱形 (ASD) 中的斜腰平衡.
- 为了比较DL衍生的测量与验证手工测量在手术前和手术后的X光片.
主要方法:
- 在141名自闭症患者中评估了形平衡参数 (神圣斜率,骨盆倾斜,骨盆发生率,腰部位,形垂直轴).
- 从DL算法对手工测量获得的地面真实值的测量比较.
- 术前和术后放射图的分析.
主要成果:
- DL算法与基准真相测量结果表现出极好的一致性 (类内相关系数为0.71-0.99).
- 实现了高检测率:91.5%的术前图像和84%的术后图像.
- DL算法在所有评估的斜腰平衡参数中都证明了准确.
结论:
- 本研究介绍了第一个完全自动化的DL算法,用于在ASD中高精度的松平衡分析.
- 该算法的性能在复杂的ASD病例中具有长构造仪器的性能支持其临床实施.
- 这些发现凸显了DL在脊柱形评估中常规临床使用的潜力.
