股骨光性瘤细分对自主有限元分析的影响
Oren Rachmil1, Kent Myers2, Omri Merose3
1Computational Mechanics & Experimental Biomechanics Lab, School of Mechanical Engineering, The Iby and Aladar Fleischman Faculty of Engineering, Tel-Aviv University, Ramat Aviv 69978, Israel.
Clinical biomechanics (Bristol, Avon)
|February 8, 2024
概括
将自动深度学习瘤细分集成到有限元分析 (FEA) 中,改善了股骨病理骨折风险预测. 这种增强允许更准确的菌株分析,帮助骨科瘤学家在转移性骨病的临床决策.
科学领域:
- 整形瘤学 整形瘤学
- 生物机械工程 生物机械工程
- 医学成像分析分析 医学成像分析
背景情况:
- 基于CT的自主有限元系统Simfini有助于评估转移性瘤引起的病态股骨骨折风险.
- 目前的模型没有自动识别溶性瘤,赋予它们类似于骨组织的低刚度.
研究的目的:
- 将一个深度学习算法集成到Simfini系统中,用于自动解剖瘤细分.
- 为了评估将细分瘤纳入有限元分析对计算的主要菌株的影响,骨折风险指标.
主要方法:
- 一个用于Lytic瘤细分的深度学习算法被集成到Simfini.
- 使用原始方法,手动细分和自动深度学习细分来分析20个股骨的有限元模型.
- 计算的主要菌株被量化,以评估瘤合并的影响.
主要成果:
- 具有细分瘤的自主有限元模型显示,瘤受影响区域的菌株通常较大.
- 深度学习和手动细分在大多数分析区域中产生了类似的平均主要菌株.
- 与手动细分相比,高细分精度并不总是保证微小的差异.
结论:
- 自动深度学习瘤细分能够集成到自主有限元系统中.
- 这种整合通常会导致主要菌株的增加,这可能会改善病理性股骨骨折的预测.


