在双平面放射图上进行解剖学里程碑检测,用于预测脊骨皮膜参数
Stefan Lang1,2, Moritz Jokeit1,2, Ji Hyun Kim1,2
1Spine Biomechanics, Department of Orthopedics, Balgrist University Hospital, University of Zurich, Zurich, Switzerland.
Spine deformity
|October 23, 2024
概括
这项研究引入了一个深度学习管道,用于使用双平面放射图自动检测脊柱形. 人工智能准确地预测了脊椎皮层参数和科布角,简化了临床工作流程.
科学领域:
- 放射学和医学成像学 医学成像学
- 医疗保健中的人工智能
- 脊柱形分析 脊柱形分析
背景情况:
- 准确的地标检测对于诊断和治疗脊柱形至关重要.
- 手动识别地标是耗时的,需要专家的意见.
- 自动化这个过程可以提高效率和一致性.
研究的目的:
- 开发和评估深度学习管道,用于自动化脊椎皮层参数和科布角测量.
- 通过医疗专业人员的手册注释来评估管道的性能.
- 探索AI在简化脊柱形评估临床程序方面的潜力.
主要方法:
- 使用U-Net架构的深度学习管道在455张双平面放射图上进行了训练.
- 管道进行了预处理,以定义感兴趣的区域和划分以确定地标.
- 在使用平均绝对差异,ICC和MAD与专家测量相比,对100张看不见的放射图进行了性能评估.
主要成果:
- 管道实现了科布角的平均绝对差异为3.3°,ICC为0.88.
- 准确的预测对形垂直轴 (86%),交叉斜率 (85%),骨盆倾斜 (84%) 和骨盆发生率 (84%) 进行了观察.
- 对于胸部形 (69%) 和腰部形 (58%) 获得了合理的输出.
结论:
- 自动化管道成功地从双平面放射图中预测了冠状和斜的脊椎骨盆参数.
- 这项技术显示了简化临床工作流程和大规模追溯数据分析的潜力.
- 限制包括严重病理和高BMI的患者的表现.
