同步学习方法用于从前后射线图中估计盆腔倾斜
Ata Jodeiri1,2, Hadi Seyedarabi1, Sebelan Danishvar3
1Faculty of Electrical and Computer Engineering, University of Tabriz, Tabriz 51666, Iran.
Bioengineering (Basel, Switzerland)
|February 23, 2024
概括
这项研究介绍了VGG-UNET,这是一种新的深度学习方法,用于从X射线准确估计骨盆倾斜 (PT). VGG-UNET显著提高了PT预测准确度,用于全关节整形术的规划.
科学领域:
- 医疗成像医学成像
- 人工智能的人工智能
- 整形外科手术 整形外科手术
背景情况:
- 精确的骨盆倾斜 (PT) 估计对于全关节整形术 (THA) 的预先计划至关重要.
- 由于不准确的PT测量,常见的术后并发症,如冲击和脱位,可能会出现.
研究的目的:
- 开发一种创新和准确的深度学习方法,通过站立前后 (AP) 放射来估计功能性骨盆倾斜 (PT).
- 利用并发学习和VGG-UNET架构来改进PT预测.
主要方法:
- 设计了一个编码器-解码器网络,VGG-UNET,将VGG网络嵌入到U-NET架构中.
- 使用并发学习方法,在瓶中采取并行路径来回归PT.
- 该网络与VGG和Mask R-CNN进行了评估,以确定PT估计的准确性.
主要成果:
- 与VGG (3.92 ± 2.92) 和Mask R-CNN (4.97 ± 3.87) 相比,VGG-UNET的绝对误差 (3.04 ± 2.49) 较低.
- VGG-UNET证明了更准确的PT预测,标准偏差更低.
- 拟议的多任务网络的性能优于现有的级联网络方法.
结论:
- VGG-UNET模型在估计功能性骨盆倾斜时从APX射线图提供了显著的改进.
- 这种深度学习方法增强了全关节整形手术的手术前规划.
- VGG-UNET方法提供了一个更可靠,更准确的解决方案来预防THA并发症.
更多相关视频
07:44Evaluation of Patients' Posture and Gait Profile After Lumbar Fusion Surgery by Video Rasterstereography and Treadmill Gait Analysis
Published on: March 23, 2019
17.8K
07:43In Vivo Quantification of Hip Arthrokinematics during Dynamic Weight-bearing Activities using Dual Fluoroscopy
Published on: July 2, 2021
3.0K
