验证和比较三种不同的方法,用于自动识别3D距离大腿骨标志物

科学领域:

• 整形外科手术 整形外科手术
• 医疗成像医学成像
• 计算解剖学的计算解剖学

背景情况:

• 在医疗图像中准确识别骨地标对于骨科手术中的3D规划至关重要.
• 自动地标识别可以简化临床工作流程,并实现大规模数据库分析.
• 对相同数据集的自动地标检测方法的直接比较是有限的.

研究的目的:

• 直接比较三个自动化方法的性能,用于大腿骨的地标识别.
• 评估人工神经网络,统计形状模型和几何方法与手动测量对比.
• 评估自动化大腿骨地标检测技术的准确性和可靠性.

主要方法:

• 三种自动化方法的比较:人工神经网络 (ANN),统计形状模型 (SSM) 和几何方法.
• 根据两个独立评级机构的手动测量进行评估.
• 适用于202个股骨CT数据集或衍生表面模型,用于识别六个关键地标.

主要成果:

• 所有自动化方法的准确性与手工测量和先前的研究相美.
• 几何方法的平均偏差明显高于手动地标.
• 与手动测量相比,在ANN和SSM之间没有发现统计学上显著的精度差异.

结论:

• 完全自动化的腿部里程碑识别方法对临床应用具有前景.
• 选择方法时应考虑具体的用例,输入数据要求 (CT/表面模型) 和培训数据需求.
• ANN,SSM和几何方法的稳定性和数据要求各不相同,影响它们适用于不同应用的适用性.