使用深度卷积神经网络测量萨吉塔椎脊柱方法的内部检查员可靠性和有效性

科学领域:

• 脊柱对齐的生物力学分析.
• 使用计算机视觉进行医学成像分析.
• 宫脊柱参数的放射评估.

背景情况:

• 对脊柱和姿势错位的准确生物机械分析对于脊柱疼痛的有效手术和非手术治疗至关重要.
• 评估人类检查员的可靠性和自动化系统的有效性对于临床应用至关重要.
• 计算机视觉算法在客观放射性评估方面具有潜在的进步.

研究的目的:

• 为了检查检查员对腰部对齐变量的可靠性.
• 将计算机视觉算法 (PostureRay®软件2024) 的可靠性和并发有效性与专家人类测量进行比较.
• 评估训练有素的卷积神经网络 (CNN) 在放射数字化方面的性能.

主要方法:

• 追溯分析了254张11-86岁患者的侧面宫放射图 (C1-C7).
• 由专家用户 (美国) 进行的两周间隔的两次盲目的放射数字化试验.
• 专家用户的测量与经过训练的CNN使用分段角度,科布角度和转换/旋转尺度获得的测量结果进行比较.

主要成果:

• 在与自己相比时,CNN表现出完美的可靠性 (ICC=1.0,RMSE=0,R2=1).
• 专家用户 (美国) 的可靠性在所有变量 (ICCs ≥0.84,R2 ≥0.7) 中都很好.
• 在专家美国和CNN (18/18 ICCs ≥0.8,16/18 R2 ≥0.7) 之间发现了出色的构造有效性.

结论:

• 计算机视觉算法,特别是PostureRay®软件中的CNN,表现出卓越的可靠性和出色的构造有效性.
• 计算机视觉系统的性能与测量宫斜对齐的专家人类观察员的性能密切相匹配.
• 这项技术在评估和治疗脊柱疾病时,有望进行客观和可靠的生物机械分析.