在整形外科手术中自然头部位置的自动复制使用几何深度学习网络
Ji-Yong Yoo1, Su Yang2, Sang-Heon Lim3
1Department of Biomedical Radiation Sciences, Graduate School of Convergence Science and Technology, Seoul National University, Seoul 08826, Republic of Korea.
Diagnostics (Basel, Switzerland)
|January 11, 2025
概括
一个新的深度学习模型,NHP-Net,准确地确定自然头部位置 (NHP) 从CT扫描用于整形外科手术. 这通过自动化NHP复制来提高手术规划精度和患者的结果.
科学领域:
- 医疗成像医学成像
- 计算几何学的计算几何学
- 人工智能的人工智能
背景情况:
- 准确的自然头部位置 (NHP) 确定对于整形手术规划至关重要.
- 传统的NHP方法缺乏可复制性,依赖于外部因素,影响手术准确性.
- 现有的技术可能会导致正统手术计划的不准确性.
研究的目的:
- 开发一种深度学习模型,用于从CT扫描中自动复制NHP.
- 为了提高整形手术手术规划的精度.
- 克服传统NHP确定方法的局限性.
主要方法:
- 一个几何深度学习网络 (NHP-Net) 被设计用于从CT扫描中预测NHP.
- 用150名整形外科患者的CT扫描来训练和验证模型.
- 3D头骨网格被转换为点云,正常化,并用于训练NHP-Net来预测NHP对齐的旋转矩阵.
主要成果:
- NHP-Net实现了低旋转误差 (RE) 的1.918°±1.099°.
- 该模型显示,与其他深度学习模型相比,滚动和投角的平均绝对误差 (MAE) 显著较低 (p < 0.05).
- NHP-Net准确地将CT获得的姿势与NHP对齐,提高了手术规划的准确性.
结论:
- NHP-Net有效且准确地从CT扫描中复制NHP.
- 该模型提高了NHP确定效率,减少了外科医生的工作量.
- 增强NHP复制的准确性支持精确的整形手术和更好的患者结果.
