相关实验视频
Updated: Jun 19, 2025
07:30
3D Printing Model of a Patient's Specific Lumbar Vertebra
Published on: April 14, 2023
1.9K
实时预测手术后脊柱形状,使用在有限元生物机械模拟上训练的机器学习模型
Renzo Phellan Aro1, Bahe Hachem2, Julien Clin2
1ETS Montreal, 1100 Notre-Dame St West, Montreal, QC, H3C 1K3, Canada. phellanaro@lunenfeld.ca.
概括
机器学习 (ML) 模型可以准确地预测手术后的脊柱形状,以实时预测青少年异常学脊椎病 (AIS) 患者. 这为手术规划提供了比有限元法 (FEM) 模拟更快的替代方案.
科学领域:
- 生物医学工程 生物医学工程
- 计算生物学 计算生物学
- 整形外科 整形外科 整形外科
背景情况:
- 青少年固态脊柱病 (AIS) 是一种脊柱形,通常需要进行手术纠正.
- 有限元法 (FEM) 用于外科手术规划,但在计算上是密集的.
- 机器学习 (ML) 为更快,实时的外科计划提供了潜在的解决方案.
研究的目的:
- 在AIS患者中实施ML算法来估计术后脊柱形状.
- 在脊椎形手术规划中开发FEM的计算效率高的替代品.
主要方法:
- 训练有素的ML算法使用6400个FEM模拟从64个患者的脊柱几何.
- 使用自动编码器和主要组件分析 (PCA) 来进行特征选择.
- 使用根-平均-平方误差和角度差异评估准确性;报告的处理时间.
主要成果:
- 通过PCA和线性回归的结合,可以实现实时预测 (3毫秒内).
- 平均位置误差为3.75毫米,方向角度误差低于2.74度.
- 预测时间比传统的FEM模拟要快得多.
结论:
- 在AIS中,ML算法可以作为FEM的有效实时替代品,用于预测手术后的脊柱形状.
- 能够将患者的脊柱形状与各种手术目标进行交互比较.
- 促进软件工具的采用,用于脊椎形手术规划.
