开发一种深度学习模型,用于在全关节整形术中自动化植入物位置
Peter Y W Chan1, Courtney E Baker1, Yehyun Suh2
1Department of Orthopaedic Surgery, Vanderbilt University Medical Center, Nashville, Tennessee.
The Journal of arthroplasty
|January 29, 2025
概括
一个新的深度学习模型准确地识别X射线和光镜上的骨盆地标点,自动测量全关节整形术 (THA). 这种工具提供了人类水平的性能,潜在地改善了手术规划和研究.
科学领域:
- 整形外科手术 整形外科手术
- 医学成像医学成像
- 人工智能的人工智能是人工智能.
背景情况:
- 有深度学习模型用于注释盆腔放射和光镜图像,但其临床用途有限.
- 全关节整形术 (THA) 的自动测量对于手术规划和结果至关重要.
研究的目的:
- 开发一种深度学习模型,用于在X光和光镜图像上注释骨盆地地标.
- 使用开发的模型自动化THA相关测量.
主要方法:
- 一个深度学习模型被训练在161个初级THAs的成像数据上.
- 该模型在手术前/手术后的放射和手术内光学上注释了骨和植入物的地标.
- 自动测量包括骨盆倾斜,腿长,偏移和骨部件角度.
主要成果:
- 深度学习模型在各种骨盆地标点上表现得与人类注释器相当或优于人类注释器.
- 该模型成功计算了关键的THA相关测量,如杯子倾斜,前转,骨盆倾斜,偏移和腿部长度.
结论:
- 一种新的深度学习模型可以实时自动识别临床相关的骨盆地标.
- 该模型提供与训练有素人类相等的THA相关测量,具有快速临床整合的潜力.
