使用基于放射学的机器学习模型,预测关节整形术中骨杯的手术内压缩稳定性
Bin He1, Xin Zhang2, Shengwang Peng3
1Joint Surgery Department of Orthopedic Center, Affiliated Hospital of Guangdong Medical University Zhanjiang 524001, Guangdong, China; Department of Orthopedic, Southwest Hospital Jiangbei Area (The 958th Hospital of Chinese People's Liberation Army), Chongqing 400020, China.
European journal of radiology
|September 25, 2024
概括
使用X射线放射学的机器学习模型可以预测关节关节整形手术中的骨杯稳定性. 这项技术提供了宝贵的手术前见解,以减少患者的并发症风险.
科学领域:
- 整形外科手术 整形外科手术
- 医学成像医学成像
- 机器学习 机器学习
背景情况:
- 在整部关节整形手术 (THA) 临床决策中,术前预测关节杯压合稳定性至关重要.
- 这项研究研究了使用机器学习模型来预测手术内压力稳定性的可行性.
研究的目的:
- 建立和验证机器学习模型,用于预测THA中的acetabular cup压稳定性.
- 评估从X射线中提取的放射学特征的预测性能.
主要方法:
- 对226名初级THA患者的回顾性分析.
- 使用3D切片器从部X射线中提取放射学特征,并通过LASSO回归进行特征选择.
- 开发和比较四个机器学习模型:SVM,RF,LR和XGBoost.
主要成果:
- 选择了27个放射学特征.
- 在测试队列中,XGBoost模型表现出最佳性能,AUC为0.823.
- 与其他模型相比,XGBoost的AUC显著不同,并且通过DCA获得最佳的临床疗效.
结论:
- 使用X射线放射学的机器学习模型可以准确地预测手术期间的压稳定性.
- 这些模型为外科医生提供了宝贵的手术前信息,有可能降低THA.的并发症风险.
