用卷积神经网络进行三维无标记表面拓方法,用于青少年异常学变脊椎病查
Nada Mohamed1, Jose Maria Gonzalez Ruiz1, Mostafa Hassan1,2
1Department of Mechanical Engineering, University of Alberta, Edmonton, Canada.
Scientific reports
|March 14, 2025
概括
这项研究表明,3D无标记表面拓 (ST) 可以准确地选青少年异常学脊椎病 (AIS) 在青少年. 人工智能模型实现了95%的准确性,为X射线提供了一个非侵入性的替代方案.
科学领域:
- 生物医学工程 生物医学工程
- 整形外科 整形外科 整形外科
- 医疗成像医学成像
背景情况:
- 青少年异常脊柱病 (AIS) 是一种脊柱形,影响到5%的青少年.
- 目前的选方法缺乏准确性,导致不必要的辐射暴露.
- 3D无标记面地图 (ST) 量化了干部不对称性,并显示了脊椎病查的前景.
研究的目的:
- 为了区分患有AIS的青少年与典型发育脊柱的青少年,使用ST.
- 开发和验证一个卷积神经网络 (CNN) 模型用于基于干表面拓的AIS检测.
主要方法:
- 收集了285名AIS患者和273名对照患者 (年龄10-18岁) 的3D表面干扫描.
- 使用ST分析干部不对称性,创建偏差和深度图.
- 开发了一个CNN模型,使用10倍交叉验证和持久设置进行训练和测试.
主要成果:
- 在AIS的分类中,CNN模型实现了95%的准确性,97%的灵敏性和90%的特异性.
- 获得了高正 (9.7) 和低负 (0.032) 的概率比率.
- 模型对严重的 (Cobb >25°的99%) 和轻微的 (96%的Cobb <25°) AIS病例都表现出高度敏感性.
结论:
- 无标记表面拓是一个可靠的,非侵入性的工具,用于AIS查.
- 开发的CNN模型显示了精确的AIS检测的绝佳潜力.
- 对传统的查方法来说,ST提供了一个无辐射的替代方案.
