深度学习工具的临床验证,用于在全关节整形术中表征脊骨盆运动性
Gerard H Smith1, Sanjeev Gupta2, Joseph Kavolus3
1Corin Ltd, 17 Bridge Street, Pymble, Sydney, NSW, 2073, Australia. gerardhaydensmith@gmail.com.
Scientific reports
|October 2, 2025
概括
深度学习准确地测量了关节整形术 (THA) 患者的脊骨骨运动能力. 这种自动化方法为手工放射测量提供了一个可扩展和精确的替代方案.
科学领域:
- 整形外科手术 整形外科手术
- 医学成像医学成像
- 人工智能的人工智能是人工智能.
背景情况:
- 特定于患者的脊骨骨运动对于全关节整形术 (THA) 至关重要.
- 当前手动放射测量是耗时的,主观的,容易出错的.
- 需要自动化,准确的方法来评估脊椎皮层参数.
研究的目的:
- 开发和临床验证深度学习 (DL) 管道,用于测量脊椎骨盆运动.
- 使用DL分类功能位置并量化骨盆倾斜 (PT),交叉斜率 (SS) 和腰部主角角 (LLA) 的数量.
- 将DL管道的性能与专家注释进行比较,并评估其在THA中的临床实用性.
主要方法:
- 创建了一个DL管道,集成图像分类,脊椎检测和地标检测.
- 该管道使用来自国际联合注册的大量数据集 (52,772张图像用于分类,9,875张用于物体检测,25249张用于地标检测).
- 使用AUC,F1得分,MAE,并与专家工程师注释和临床验证进行比较来评估性能.
主要成果:
- DL管道在1.96 ± 0.04秒内处理了放射图,精度,回忆和AUC指标超过0.994.
- 里程碑预测的平均绝对误差为:PT:1.6°±2.1°,SS:3.3°±2.6°,LLA:4.2°±3.2°. 这些是里程碑预测的平均绝对误差.
- 与专家工程师相比,在PT和LLA测量中没有发现显著差异;在SS中观察到0.5°的微小差异 (p=0.043). 临床验证显示,里程碑性拒绝率没有差异.
结论:
- 一个DL管道已经成功开发和临床验证,用于从横向功能性X射线图中准确测量脊骨运动.
- 这种自动化方法提供了一个可扩展的解决方案,用于在THA患者中例行表征脊椎骨盆参数.
- DL管道的准确性与专家测量的准确性相当,提高了手术前规划的效率和客观性.
