基于深度学习的方法的临床验证,用于对全膝关节关节整形术的植入物大小进行术前决策
Ki-Bong Park1, Moo-Sub Kim2, Do-Kun Yoon2,3
1Department of Orthopaedic Surgery, University of Ulsan College of Medicine, Ulsan University Hospital, Ulsan, South Korea.
Journal of orthopaedic surgery and research
|October 8, 2024
概括
与手动方法相比,深度学习 (DL) 模型显著改善了对全膝关节整形术 (TKA) 的植入物大小预测. 这种人工智能驱动的方法增强了手术前决策,并优化了植入物选择,以获得更好的外科结果.
科学领域:
- 整形外科手术 整形外科手术
- 人工智能的人工智能
- 医学成像分析 医学成像分析
背景情况:
- 目前用于全膝关节整形术 (TKA) 植入物大小的方法包括手动测量,乙模板和软件.
- 这些传统技术可能会耗时,可能缺乏精度.
研究的目的:
- 开发和评估一个深度学习 (DL) 模型,以协助在TKA.骨部和部植入物大小选择.
- 为了比较DL辅助大小测量与传统手动程序的临床有效性.
主要方法:
- 采用了两个DL模型:You Only Look Once用于区域检测和卷积神经网络用于尺寸确定.
- 对于234个TKA病例,DL模型的预测与经验丰富的外科医生手册预测进行了比较.
主要成果:
- DL模型在部植入物尺寸方面实现了89.32%的精确度,在部植入物尺寸方面达到90.60%.
- 外科医生的手动方法产生了61.54% (股骨) 和68.38% (骨) 的精确度.
- 对DL的精度±1水平为97.86% (股骨) 和98.72% (骨),与外科医生的结果非常接近或超过.
结论:
- 与手动方法相比,DL模型在预测TKA植入物大小方面表现出更高的准确性和一致性.
- 这种人工智能工具显示出优化手术前决策和在TKA中的植入物选择的巨大潜力.
- 通过DL改进的植入物选择可以带来更好的外科手术结果.
