在人工智能机器人辅助全膝关节整形术中预测冠状元对齐

科学领域:

• 整形外科手术 整形外科手术
• 生物医学工程 生物医学工程
• 数据科学在医学中的数据科学

背景情况:

• 机器人辅助全膝关节整形术 (TKA) 能够精确切割骨,可能减少软组织的释放.
• 在TKA中建立理想的四肢对齐仍然是一个挑战.
• 从本地解剖学预测术后膝盖冠状平面对齐 (CPAK) 对于优化TKA结果至关重要.

研究的目的:

• 开发和验证一种机器学习模型,用于使用手术前骨测量预测目标CPAK.
• 在机器人TKA中调查本地膝关节对齐和计划后术对齐之间的关系.
• 与传统的对齐计划方法相比,评估机器学习预测的准确性.

主要方法:

• 追溯分析了530个主要的机器人辅助TKA.
• 利用通过监督学习训练的神经网络来预测侧向远距离大腿骨角 (LDFA) 和中位近距离骨角 (MPTA).
• 采用了最小至最大的缩放来实现正常化,并训练了一个具有隐藏维度的神经网络 (16,8,4).

主要成果:

• 预测模型以±1.82°的平均平方误差趋同.
• 该模型成功地将手术前的valgus和varus对齐转化为分别中性/对齐和不太严重的varus目标.
• 机器学习方法的准确性明显高于基于平均值的预测 (RMSE 1.440,R-squared 0.444,Nash Sutcliffe 0.579).

结论:

• 机器学习模型可以准确地预测机器人TKA的目标膝盖对齐形态.
• 这种预测能力有助于在TKA手术期间规划最佳对齐.
• 需要进一步的研究来证实这种预测方法在机器人TKA规划中的临床实用性.