一个基于深度学习的完全自动化的脊椎细分和标记工作流程
Hongjiang Lu1, Miao Liu1, Kun Yu2
1Department of Radiology, The 903rd Hospital of PLA Joint Logistics Support Force (Xihu Hospital Affiliated with Hangzhou Medical College), Hangzhou, Zhejiang, China.
British journal of hospital medicine (London, England : 2005)
|September 25, 2025
概括
这项研究引入了一个自动化的深度学习工作流程,用于精确的脊椎本地化,细分和CT扫描的标签. 这种方法通过提高准确性和效率来增强脊柱手术的手术导航机器人.
科学领域:
- 医学成像和人工智能 医学成像和人工智能
- 脊椎外科手术 导航 导航
- 医疗保健中的深度学习
背景情况:
- 脊柱疾病越来越普遍,需要准确的解剖分析进行手术导航.
- 目前用于脊柱结构的手动细分方法是低效和不一致的.
- 自动化分析对于机器人脊椎手术中高精度定位至关重要.
研究的目的:
- 开发一个完全自动化的深度学习工作流程,用于脊椎细分和标签.
- 为脊柱外科手术导航机器人提供高效准确的手术前分析.
- 为了克服传统手动细分方法的局限性.
主要方法:
- 利用YOLOv7在CT斜切片上进行二维脊椎定位,将问题转换为二维.
- 采用DBSCAN集群,将2D检测聚合到3D脊柱中心,减少推断时间.
- 实现了一个3D U-Net,注意精确的细分和一个ResNet-Transformer网络进行标签.
主要成果:
- 在本地化 (平均本地化误差: 1.42 mm),细分 (DSC: 0.968) 和标签 (分类准确率: 94.36%) 中取得了出色的性能.
- 细分指标包括0.879的IOU,0.988的PA,1.09毫米的MSD和5.42毫米的HD.
- 在106个脊柱CT数据集中在各种临床场景中得到验证.
结论:
- 开发的自动化工作流程在脊椎本地化,细分和标签方面表现出高准确性和效率.
- 这种方法显示出在机器人脊椎手术中增强手术前分析和导航支持的巨大潜力.
- 这些发现证实了在脊椎外科手术导航系统中临床部署的有效性.
