使用深度学习方法自动检测kyphosis角度:对年轻成年人的横截面研究
Onur Kocak1, Cansel Ficici2, Ilknur Ezgi Dogan3
1Department of Biomedical Engineering, Faculty of Engineering, Başkent University, Ankara 06790, Turkey.
Diagnostics (Basel, Switzerland)
|June 13, 2025
概括
这项研究开发了一种自动化系统来测量胸部形角,减少辐射暴露和测量时间. 深度学习算法实现了高可靠性,用于准确的姿势评估.
科学领域:
- 医学成像医学成像
- 医疗保健中的深度学习
- 生物机械分析分析
背景情况:
- 胸部形受生活方式和压力的影响,影响着姿势.
- 目前的诊断方法包括昂贵的放射技术和各种非放射技术.
- 需要有效的,非侵入性的方法来评估阴影症.
研究的目的:
- 开发一个决策支持系统,用于自动测量胸部形角.
- 为了消除与放射性测量相关的辐射暴露.
- 减少对形评估所需的时间和资源.
主要方法:
- 使用卷积神经网络 (CNN) 来进行图像细分.
- 自动识别T1和T12脊椎用于角度计算.
- 特征是基于专家标记的胸部位测量.
主要成果:
- 实现了高的类内一致性 (ICC > 0.95,p < 0.05).
- 证明了高的内部一致性可靠性 (克朗巴赫的α = 0.947).
- 自动化系统提供了准确可靠的测量.
结论:
- 开发的算法提供了一个可靠的自动化解决方案,用于胸部位测量.
- 该系统尽量减少辐射暴露和测量持续时间.
- 这种方法增强了临床诊断和姿势评估.
更多相关视频
06:45Modified Posterior Vertebral Column Resection for Patients with Thoracolumbar Kyphotic Deformity
Published on: September 16, 2022
2.2K
10:23Author Spotlight: Three-Dimensional Cephalometric Landmark Annotation Demonstration on Human Cone Beam Computed Tomography Scans
Published on: September 8, 2023
2.7K
