一种用于脊柱体查的新方法,将深度学习与背影图像结合起来
Le Zhang1, Baoqing Pei1, Shijia Zhang1
1Beijing Key Laboratory for Design and Evaluation Technology of Advanced Implantable & Interventional Medical Devices, Beijing Advanced Innovation Center for Biomedical Engineering, School of Biological Science and Medical Engineering, Beihang University, Beijing, China.
Global spine journal
|September 12, 2024
概括
深度学习使用背影图像准确地选脊椎病,改善早期检测. 这种自动化方法为传统查提供了安全和方便的替代方案,减少了辐射暴露.
科学领域:
- 整形外科 整形外科 整形外科
- 医疗成像医学成像
- 人工智能的人工智能
背景情况:
- 在全球范围内,青少年脊柱脊椎病影响0.5%,由于微妙的症状,在早期阶段经常错过.
- 目前的查方法是劳动密集型的,涉及辐射暴露,阻碍了广泛实施.
- 深度学习提供了一种潜在的解决方案,以减少与脊椎病查相关的风险和成本.
研究的目的:
- 开发和验证深度学习算法,用于自动化脊柱形查.
- 与传统方法相比,评估人工智能驱动的科布角测量的准确性.
主要方法:
- 一项回顾性观察性研究使用了247名脊椎病患者 (2008-2021) 的数据.
- 深度学习算法在直立的背部图像上进行训练,以检测脊椎病变.
- 该过程包括背部区域定位,脊柱细分和科布角测量.
主要成果:
- 基于人工智能的科布角测量精度超过了传统的视觉识别.
- 开发的方法提供了一种方便且非侵入性的脊椎病查能力.
- 自动选显示出高精度和高效率.
结论:
- 自动化的深度学习方法是准确的,简洁的,方便的,用于形查.
- 这种方法有可能广泛应用于早期发现脊柱病.
- 该技术提供了一个无辐射的替代方案,用于识别青少年脊柱病.
更多相关视频
07:44Evaluation of Patients' Posture and Gait Profile After Lumbar Fusion Surgery by Video Rasterstereography and Treadmill Gait Analysis
Published on: March 23, 2019
17.7K
06:28Biomechanical Changes Related to Low Back Pain: An Innovative Tool for Movement Pattern Assessment and Treatment Evaluation in Rehabilitation
Published on: December 13, 2024
444
