评估雷恩通用测量方法 (RUMM),一个人工智能应用程序,用于手关节角度评估
Thomas Dutrey1, Julien Maximen1,2, Gwenaël Mevel1,3
1Department of Orthopedic Surgery, Pontchaillou University Hospital, Rennes, France.
The Journal of hand surgery, European volume
|June 11, 2024
概括
一个新的AI工具准确地从单一照片中测量数字运动范围,与度学相对应. 这种创新方法为监测患者进展提供了一个更快,更可重复的替代方案.
科学领域:
- 整形外科 整形外科 整形外科
- 康复医学 康复医学 康复医学
- 医疗成像医学成像
背景情况:
- 角度测量是数字运动范围的黄金标准,但耗时.
- 视觉估计更简单,但不太可靠,与指导方针不一致.
- 需要有效和准确的方法来评估联合流动性.
研究的目的:
- 评估Rennes通用测量方法,这是一个由人工智能驱动的工具,用于从照片中分析手关节角度.
- 为了比较人工智能工具的准确性和可重复性与传统的度学.
主要方法:
- 雷恩通用测量方法使用人工智能从一张照片中分析手关节角度.
- 用斯皮尔曼相关系数和类内相关系数进行分析.
- 在人工智能工具和传统的度学之间比较了处理时间.
主要成果:
- 在人工智能工具和度测量之间发现了强烈的相关性 (斯皮尔曼系数0.7).
- 人工智能工具在不同摄影角度显示出出色的可重复性 (类内相关系数为0.9).
- 人工智能工具在每只手中处理图像的时间为<0.1秒,远远快于传统的光度计 (每只手指20-30秒).
结论:
- 由人工智能驱动的Rennes通用测量方法是监测患者进展的潜在有用工具.
- 它提供了简单性,高可重现性和良好的评分器间可靠性,作为传统度学的替代品.
- 这项技术可以简化临床环境中数字运动范围的评估.
