在手术前的CT扫描中,使用深度学习算法自动测量腰部脚螺杆参数,使用深度学习算法

科学领域:

• 脊柱外科手术 脊柱外科手术
• 医疗成像医学成像
• 人工智能的人工智能

背景情况:

• 准确测量腰部脚螺杆参数对于成功的脊柱融合手术至关重要.
• 从计算机断层扫描 (CT) 扫描中进行手动测量可能耗时且容易发生变化.

研究的目的:

• 开发和评估一个自动测量框架的腰部脚螺丝参数.
• 利用深度学习算法来分析手术前的CT扫描.

主要方法:

• 在282名患者的1410个轴向手术前CT图像上训练了一种深度学习模型.
• 该模型预测了脚轴角,宽度,螺丝路径长度和脚间距离.
• 放射科医生和外科医生确定的测量作为参考标准.

主要成果:

• 深度学习模型与所有测量参数的参考标准高度一致 (ICC值从0.82到0.98).
• 性能与专家的手动测量非常相匹配.
• 该模型准确地确定了螺丝放置的关键解剖学地标.

结论:

• 开发的深度学习模型高效准确地生成了腰部脚螺丝放置的参数.
• 这种自动化框架显示了提高临床应用的精度和效率的潜力.
• 人工智能工具可以协助外科医生进行脊柱手术的手术前规划.