使用人工智能预测合杆曲率角度在后侧脊椎直的纠正

科学领域:

• 脊柱外科手术 脊柱外科手术
• 生物机械分析分析
• 机器学习在医学中的应用

背景情况:

• 脊椎形手术需要精确的杆子放置,以实现最佳的脊柱对齐.
• 准确预测手术后的杆角对于成功的手术结果至关重要.
• 目前的方法在估计复杂的脊柱曲率时可能缺乏精度.

研究的目的:

• 为了估计术后的杆角在脊椎形的形和形两侧.
• 评估神经网络和支持矢量机 (SVM) 算法的有效性.
• 为外科医生提供一个工具,以帮助在手术前的杆曲程序.

主要方法:

• 利用了72名脊椎形患者的X光照.
• 作为机器学习模型的输入,使用了手术前的放射性指数和净联合时刻.
• 应用逆动力学分析用于生物力学建模.
• 比较了各种输入角度和时刻的组合,以预测杆角.
• 使用根平均平方误差 (RMSEs) 评估预测准确性.

主要成果:

• 机器学习模型,特别是结合放射学和生物力学参数的机器学习模型,展示了最小的RMSEs.
• 第五组 (四个放射角度,一个生物力学时刻) 在预测形杆形角度 (5.5°误差) 中表现出高准确度.
• 对于棒主角的预测错误通常高于对棒角的预测错误.

结论:

• 神经网络和SVM是有效的估计后手术杆角度在脊柱结石手术.
• 这些技术可以帮助外科医生在手术前计划杆曲.
• 预测棒形角比棒形角更简单,对外科计划更为关键,而不是棒形角.