在膝关节全关节整形术后,预测膝关节生物力学与不同的部件恶性旋转:传统的机器学习与深度学习
Qida Zhang1, Zhuhuan Li2, Zhenxian Chen3
1Musculoskeletal Research Laboratory, Department of Orthopaedics and Traumatology, The Chinese University of Hong Kong, Hong Kong, Hong Kong SAR, China.
Frontiers in bioengineering and biotechnology
|January 23, 2024
概括
深度学习精确地预测了全膝关节整形术后的膝盖生物力学,超过了传统方法. 这有助于建立对齐安全区,以改善外科手术结果.
科学领域:
- 生物机械工程 生物机械工程
- 人工智能在医学中的应用
- 整形外科手术 整形外科手术
背景情况:
- 精确的骨骨部件对齐对于全膝关节整形术 (TKA) 的成功至关重要.
- 使用肌肉骨多体动力学模型预测生物机械对转动不良的反应是具有挑战性的.
- 准确的预测对于优化TKA寿命和功能至关重要.
研究的目的:
- 将深度学习 (DL) 与四种传统机器学习 (ML) 方法进行比较,用于预测膝盖生物力学.
- 在TKA后的行走过程中,评估各种部件不良旋转 (±5°) 的预测准确性.
- 评估DL在建立手术对齐安全区方面的潜力.
主要方法:
- 肌肉骨多体动力学模型为343个扭转场景 (前/后倾斜,内/外旋转,/) 产生了膝盖接触力和动力学.
- 在这个生物力学数据集上训练了DL和四个常规ML模型.
- 进行了DL和传统ML方法之间的性能比较.
主要成果:
- 与四种传统的ML方法相比,DL方法在预测膝盖接触力和动力学方面表现出更高的准确性.
- DL使得能够快速确定生物机械对部件不良旋转的反应.
- 该研究证实了DL在预测复杂生物力学结果方面的有效性.
结论:
- 深度学习提供了一种更准确的方法来预测TKA后的膝盖生物力学与部件恶性旋转.
- 开发的DL方法有助于快速评估生物机械反应,有助于手术规划和导航.
- 这种方法支持创建校准安全区,以便在TKA中精确调整组件.
