基于人工智能的双平面X射线图像导向方法用于远半径骨折减少
Qing Zha1,2, Sizhou Shen3, Ziyang Ma1,2
1School of Biomedical Engineering (Suzhou), Division of Life Sciences and Medicine, University of Science and Technology of China, Hefei, China.
Frontiers in bioengineering and biotechnology
|March 6, 2025
概括
一种人工智能方法从X射线准确计算远半径骨折 (DRF) 参数,改善诊断并帮助骨折减少机器人. 这项技术提高了医生诊断的准确性.
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:
- 手动减少远半径骨折 (DRF) 通常依赖于触觉感知,这可能导致误诊.
- 精确评估骨折严重程度和减少成功需要图像分析软件,但在手术过程中实时应用具有挑战性.
- 需要基于人工智能的方法来提供实时计算和显示断裂参数,特别是对于断裂减少机器.
研究的目的:
- 开发和评估基于人工智能的方法,用于自动计算远半径骨折 (DRF) 中的放射性参数.
- 为了比较不同神经网络结构的实用性和准确性,用于DRF分析中的图像细分.
- 将自动化参数计算集成到系统中,在断裂减少过程中提供实时反.
主要方法:
- 收集并预处理了DRF患者的前后 (AP) 和侧面 (LAT) X射线图像.
- 比较了UNet,DeeplabV3+,PSPNet和TransUNet用于半径和肘部的语义细分.
- 使用UNet模型进行细分,用OpenCV提取轮,检测关键点,计算主要轴,并计算参数 (RA,RL,UV,PT).
主要成果:
- 由于其性能,UNet模型被选为核心算法.
- 在AP和LATX射线图像中,实现了半径的91.31%的细分精度和肘部的88.63%的细分精度.
- 与手册注释相比,证明的平均误差为-1.36° (RA),-1.7mm (RL),0.66mm (UV) 和-1.06° (PT).
- 该系统最初部署在一台计算机上,控制一个辐射骨折重定位机器人.
结论:
- 开发的自动化参数计算方法准确评估DRF诊断参数.
- 这种人工智能方法可以集成到骨折康复机器人的图像引导减速过程中.
- 这项技术有可能成为智能诊断工具,提高医生治疗远半径骨折的诊断准确度.
