相关实验视频
Updated: May 29, 2025
00:10
Precision Measurements and Parametric Models of Vertebral Endplates
Published on: September 17, 2019
6.5K
在复杂的脊椎形中使用卷积神经网络自动测量盆腔参数:克服冠状形病例中的挑战
Dong-Ho Kang1, Ye-Jin Jeong2, Sung Taeck Kim3
1Department of Orthopedic Surgery, Samsung Medical Center, Seoul, Republic of Korea; College of Medicine, Seoul National University, Seoul, Republic of Korea.
概括
一个人工智能系统准确地测量了斜腰脊柱的参数,即使在像退行性腰椎结症 (DLS) 这样的复杂病例中也是如此. 这种自动化工具显示出完美的一致性,优于专家外科医生,提供可靠的临床应用.
科学领域:
- 脊柱外科手术 脊柱外科手术
- 医学成像分析分析 医学成像分析
- 医疗保健中的人工智能
背景情况:
- 精确测量腰对齐是困难的,尤其是严重的冠状元形像退行性腰椎结石 (DLS) 这样的冠状元形变形.
- 现有的方法在复杂的脊柱疾病的一致性和精度方面存在挑战.
研究的目的:
- 开发和验证一个人工智能系统,用于自动测量关键的斜参数 (腰部主病,骨盆发生率,骨盆倾斜,斜斜率).
- 评估人工智能系统在广泛的脊柱形,包括严重的DLS的适用性.
主要方法:
- 一个追溯研究1011站立的腰部侧面放射,包括DLS病例.
- 开发了一个深度学习模型 (U-Net用于细分,Keypoint R-CNN用于检测).
- 根据专家的注释,使用类间/类内相关系数 (CC) 和布兰德-阿尔特曼图表来评估性能.
主要成果:
- 人工智能模型在所有形参数上实现了完美的类内CC (1.00).
- 人工智能和地面真相之间的跨类CC在0.96到0.99之间,超过了专家外科医生的表现.
- 布兰德-阿尔特曼分析显示没有显著的偏差,结果在临床上可接受的范围内.
结论:
- 人工智能系统为脊柱形,包括严重的冠状型,提供了可靠和高效的自动化形参数测量.
- 人工智能的表现超过了专家评级人员的表现,这表明临床整合的巨大潜力.
