人工智能方法在关节假肢识别和解决放射性结果测量方面
Omar Musbahi1, Savvas Hadjixenophontos1,2, Saran S Gill1
1MSk Lab, White City Campus, Imperial College London, London, UK.
Arthroplasty today
|June 16, 2025
概括
这项研究开发了一种人工智能方法,通过X射线图准确测量部复苏假体的部轴角 (NSA). 人工智能模型实现了高精度,与临床医生的测量密切匹配,以改善关节整形评估.
科学领域:
- 整形外科手术 整形外科手术
- 医学成像医学成像
- 医疗保健中的人工智能
背景情况:
- 精确的放射性评估对于成功的关节整形术至关重要.
- 适当的假肢定位与有利的长期结果相关.
- 目前的方法在评估假肢对齐时可能缺乏精度.
研究的目的:
- 开发一种基于人工智能的方法,用于在放射图中识别部复苏假肢.
- 使用2D AP和侧面图像准确计算放射性部轴角 (NSA).
- 为了提高术后关节整形术评估的精度.
主要方法:
- 计算机视觉和模式识别算法被用来识别股骨轴和假肢区域.
- 通过使用临床医生生成的NSA作为基础真理来训练一个神经网络 (NN).
- 斯皮尔曼相关性,克鲁斯卡尔-瓦利斯测试,MAE和R平方值被用于验证.
主要成果:
- 在AI生成的和临床医生生成的AP NSA之间发现了统计学上显著的相关性 (rs = 0.93,P <.01).
- 使用NN的AI模型实现了1.94的平均绝对误差 (MAE) 和0.53.3的R平方.
- 没有NN,MAE为3.09,R平方为0.37,这表明NN的准确性有所提高.
结论:
- 基于人工智能识别部复苏假肢是可行的.
- 整合横向NSA可以提高人工智能模型对AP NSA的预测准确度.
- 人工智能方法提供了准确的NSA预测,接近临床使用的地面真相.
