TKA-AID:一种意识到不确定性的深度学习分类器,用于识别全膝关节关节整形植入物
Kellen L Mulford1, Sami Saniei1, Elizabeth S Kaji1
1Orthopedic Surgery Artificial Intelligence Laboratory, Department of Orthopedic Surgery, Mayo Clinic, Rochester, Minnesota.
The Journal of arthroplasty
|January 20, 2025
概括
一个新的深度学习算法可以自动识别X射线的全膝关节整形术 (TKA) 植入物,帮助外科医生规划修复手术. 这种人工智能工具实现了高精度,并包括可靠植入物识别的安全功能.
科学领域:
- 整形外科手术 整形外科手术
- 医学中的人工智能.
- 医学成像分析分析 医学成像分析
背景情况:
- 越来越多的初级全膝关节整形术 (TKAs) 需要更多的修订TKAs.
- 准确的手术前规划修复TKA依赖于及时的植入物识别.
- 目前的植入物识别方法对外科医生来说是耗时且具有挑战性的.
研究的目的:
- 开发一种深度学习算法,用于自动识别常见的初级TKA植入模型.
- 在手术前规划中提高植入物识别的效率和准确性.
主要方法:
- 使用了总共9651名患者和111519张图像的联合注册表.
- 训练了一种基于EfficientNet的深度学习模型,通过放射视图对九个TKA系统进行分类.
- 实施了对不确定性估计的合规预测和异常值检测系统.
主要成果:
- 在内部测试套件上实现了99.7%的平均准确性.
- 异常值检测系统识别了93%的手动异常值.
- 在外部测试集中表现出高性能,在301张图像中有一次错误.
- 该模型每秒处理大约30张图像.
结论:
- 开发了一个自动化工具来分类九个TKA植入物设计.
- 该工具在多个放射视图中有效.
- 集成的不确定性量化和异常值检测作为临床使用的安全机制.
