基于深度学习的下肢骨的3D重建从双平面放射图用于术前骨切除术规划
Tabitha Arn Roth1,2, Moritz Jokeit3, Reto Sutter4
1Institute for Biomechanics, ETH Zurich, Zurich, Switzerland. tabitha.arn.roth@gmail.com.
概括
本研究介绍了一种深度学习方法,用于从EOS放射图中创建3D骨模型,用于高骨切除术的规划. 这种方法旨在减少对CT扫描的需求,为骨科手术规划提供无辐射替代方案.
科学领域:
- 整形外科手术 整形外科手术
- 医疗成像医学成像
- 人工智能的人工智能
背景情况:
- 三维 (3D) 术前规划对于骨科手术至关重要,通常使用CT扫描.
- 电脑图像扫描不是标准的,涉及辐射,并且不承重,造成局限性.
- 开发替代规划方法对于改善患者护理和降低医疗保健成本至关重要.
研究的目的:
- 开发一个深度学习管道,用于从低剂量双平面立 EOS 放射图中进行 3D 骨模型重建.
- 为了促进高骨切除术 (HTO) 的3D手术前规划.
- 评估消除CT扫描在HTO规划中的可行性.
主要方法:
- 通过从EOS图像中数字重建的放射图片开发了一个深度学习管道.
- 网络被训练来识别地标,分离腿部图像,并重建3D骨模型.
- 重建模型的准确性被评估为HTO手术前规划.
主要成果:
- 在骨重建中获得了高精度,子系数为0.92 (右) 和0.89 (左).
- 重建的3D模型在52个HTO病例中成功应用于临床级的手术前规划.
- 机械轴和部斜率与地面真相的平均差异分别为0.52°和4.33°.
结论:
- 为了自动化HTO规划,从EOS射线图中建立了2D-3D骨重建的新框架.
- 该方法使临床级的手术前规划成为可能,可能减少对CT扫描的依赖.
- 精确的重建和自动测量部斜率仍然是进一步研究和开发的领域.
