与手动技术相比,基于深度学习的后部斜率测量提高了可靠性和时间效率
Shang-Yu Yao1, Xue-Zhi Zhang2, Soumyajit Podder3
1Department of Orthopedic Surgery, Linkou Chang Gung Memorial Hospital, Taoyuan City, Taiwan.
概括
机器学习和人工智能在MRI扫描上准确地测量后部斜率 (PTS),与外科医生的评估相对应. 这种高效的技术有助于手术规划和前十字带 (ACL) 损伤的风险分层.
科学领域:
- 整形外科手术 整形外科手术
- 医学成像分析分析 医学成像分析
- 医学中的人工智能
背景情况:
- 前十字带 (ACL) 重建结果受到后带斜率 (PTS) 等因素的影响.
- 准确的PTS测量对于手术规划和患者风险分层至关重要.
- 测量部斜率的传统方法可能是耗时和主观的.
研究的目的:
- 引入和验证基于机器学习和人工智能 (AI) 的方法,以在MRI图像上高效准确地测量部斜率.
- 评估人工智能衍生出的部斜率测量和由骨科外科医生进行的测量之间的相关性.
- 为了提高风险分层,诊断见解,以及ACL损伤的手术规划.
主要方法:
- 使用YOLOv8算法开发一个人工智能驱动的模型,从120名患者的MRI图像中测量后侧部斜率.
- 评估AI测量的准确性和可靠性,以测量侧部斜率,中部斜率和部纵向轴.
- 利用机器学习和人工智能进行客观,一致和高效的部斜率测量.
主要成果:
- 为了测量部斜率,开发了三种不同的AI模型.
- 人工智能衍生测量和骨科外科医生对侧斜率 (Pearson r=0.673,Spearman r=0.736,ICC=0.63),中间斜率 (Pearson r=0.850,Spearman r=0.861,ICC=0.84) 和纵轴 (Pearson r=0.839,Spearman r=0.738,ICC=0.84) 的评估之间观察到很高的相关性.
- 基于人工智能的方法显示出强大的可靠性和一致性.
结论:
- 一种基于深度学习的方法来测量后部斜率,与专家整形外科医生评估有很强的相关性.
- 人工智能技术提供了时间效率和一致性,使其适合临床实践.
- 这种AI方法可以改善临床工作流程,风险评估和针对ACL损伤的个性化治疗计划.
