人工智能自动测量成年脊柱形的脊柱参数 - - 一项系统性审查

科学领域:

• 整形外科和脊椎外科手术
• 人工智能在医学中的应用
• 医学成像分析 医学成像分析

背景情况:

• 脊柱皮层参数对于评估脊柱对齐和计划手术干预至关重要.
• 这些参数的手动测量是耗时的,并且受观察者之间的变化影响.
• 深度学习 (DL) 为这些关键指标的自动和准确测量提供了潜力.

研究的目的:

• 审查和评估深度学习 (DL) 应用程序的进步,以进行自动的脊椎皮层参数估计.
• 为了比较基于DL的测量与脊椎外科医生进行的手动测量的准确性.

主要方法:

• 在PubMed上对2014年至2024年间发表的研究进行了系统的文献搜索.
• 如果这些研究侧重于成人脊参数,并提供DL模型和手动测量之间的定量比较,则将这些研究纳入.
• 被排除的研究涉及儿科患者,非变形条件或缺乏比较数据.

主要成果:

• 包括16项研究,分析了从15到9,832张图像的样本大小.
• 深度学习模型显示高精度 (ICCs>0.80,MADs <6°) 的盆腔倾斜和盆腔发病率.
• 测量T1-T12阴影和L4-S1的测量显示精度较低,平均Pearson相关性分别为0.68和0.65.

结论:

• 计算机视觉算法在测量脊椎皮层参数方面显示出有希望的准确性,与手工外科医生评估相竞争.
• 未来的研究应该优先考虑外部验证,并探索将其整合到临床工作流程中.
• 在现实临床环境中评估模型可靠性和预测能力至关重要.