开发本地软件,用于自动测量近端大腿骨中的几何参数,使用深度学习方法和X射线图像上的活性形状模型的组合
Hamid Alavi1, Mehdi Seifi1, Mahboubeh Rouhollahei2,3
1Department of Radiology, Health Research Center, Life Style Institute, Baqiyatallah University of Medical Sciences, Tehran, Iran.
Journal of imaging informatics in medicine
|February 12, 2024
概括
本研究引入了一种使用深度学习和主动形状模型来测量近接大腿骨几何学的自动化方法. 这项技术通过精确计算X射线的关键参数,有助于早期诊断部和大腿骨损伤.
科学领域:
- 整形外科 整形外科 整形外科
- 医疗成像医学成像
- 生物医学工程 生物医学工程
背景情况:
- 靠近大腿骨几何学对于诊断和预测部和大腿骨损伤至关重要.
- 当前的测量方法可能是耗时和主观的.
- 需要自动化的方法来进行高效和准确的评估.
研究的目的:
- 开发和验证一项用于测量近端大腿骨几何参数的自动化技术.
- 改善早期识别部和大腿部疾病.
主要方法:
- 这是一种混合方法,它结合了用于骨边界提取的深度学习和用于标志性配件的活性形状模型 (ASM).
- 使用了428张部放射图像 (208名男性,220名女性) 的数据集.
- 计算的股骨部轴长 (FNAL),股骨头直径 (FHD),股骨部宽度 (FNW),轴宽度 (SW),部轴角 (NSA) 和α角 (AA).
主要成果:
- 自动化方法在测量关键几何参数方面实现了高精度.
- 报告的平均误差为:FNAL (1.19%),FHD (1.46%),FNW (2.28%),SW (2.43%),NSA (1.95%),和AA (4.53%). 报告中的平均误差为:FNAL (1.19%),FHD (1.46%),FNW (2.28%),SW (2.43%),NSA (1.95%),和AA (4.53%). 报告中的平均误差为:
- 该系统在428张部X射线数据集上进行了训练和测试.
结论:
- 结合深度学习和ASM技术,提供了一个准确和自动化的方法,用于近接大腿骨几何分析.
- 这种方法有可能帮助医生在早期诊断和管理部和大腿部疾病.
- 开发的方法提供了一个可靠的工具,用于定量评估近接大腿骨形态.
