UNSX-HRNet:模拟解剖学不确定性,用于在全关节整形术中检测里程碑
Jiaxin Wan1, Lin Liu1, Haoran Wang2
1School of Optoelectronic Science and Engineering, University of Electronic Science and Technology of China, Chengdu, 611731, China.
Computers in biology and medicine
|October 2, 2025
概括
一个新的深度学习框架,UNSX-HRNet,通过不确定性估计来增强全关节整形术 (THA) 的解剖基准检测. 这种人工智能方法提高了非结构化放射数据的准确性,有助于手术规划和评估.
科学领域:
- 医疗成像医学成像
- 人工智能的人工智能
- 整形外科手术 整形外科手术
背景情况:
- 准确的解剖学里程碑检测对于全关节整形术 (THA) 手术规划和评估至关重要.
- 现有的方法与非结构化的放射性数据 (如不规则的姿势或封闭的地标) 斗争,限制了可靠性.
- 开发强大的深度学习框架对于克服这些局限性至关重要.
研究的目的:
- 开发一个先进的深度学习框架,利用不确定性估计,在THA中进行强大的解剖基准检测.
- 为了应对非结构化的放射性数据所带来的挑战,例如不规则的患者姿势和封闭的地标.
- 为临床医生提供预测里程碑的不确定性得分,指导专注于关键结果.
主要方法:
- 拟议的非结构化X射线 - 高分辨率网络 (UNSX-HRNet),集成高分辨率网络与不确定性估计.
- 开发了一种方法来预测没有固定点数的地标,抑制低确定性预测.
- 在结构化和非结构化数据集上训练和测试模型,使用精确度指标评估性能.
主要成果:
- 在非结构化数据集上,UNSX-HRNet表现出显著的改进,在多个指标中超过60%.
- 该框架在结构化数据集上保持了高性能,表明了强度和适应性.
- 不确定性估计有效处理非结构化数据,并为里程碑预测提供确定性水平.
结论:
- UNSX-HRNet为THA地标检测提供了可靠的,自动化的解决方案,通过不确定性意识预测优于非结构化数据.
- 该方法提高了准确性,并为临床医生提供了可操作的见解,支持人工智能驱动的外科规划和监控.
- 这项工作有助于开发更可靠的人工智能专家系统用于骨科手术.
