印度临床实践中人工智能驱动的骨科植入物识别:一个动态的交叉注意力旋转变压器方法

科学领域:

• 生物医学工程 生物医学工程
• 计算机视觉 计算机视觉
• 人工智能的人工智能

背景情况:

• 精确识别骨科植入物对于有效的手术规划至关重要.
• 现有的方法在复杂的植入物识别的效率和准确性方面面临挑战.

研究的目的:

• 提出了一种新的动态交叉注意力支持的交叉旋转变压器,用于高效和准确的骨科植入物识别.
• 加强骨科修复手术的术前规划.

主要方法:

• 利用混合补丁嵌入用于低维特征捕获和交叉旋转变压器用于层次特征表示.
• 雇员线性多头自我注意力和高效的频道注意力用于计算效率和跨频道依赖性捕获.
• 集成的自适应混合单元,注意特征融合单元,以及用于超参数优化的改进的遗传算法.

主要成果:

• 在识别骨科植入物方面达到99.03%的高精度.
• 与之前的骨科植入物识别系统相比,其表现优越.
• 该方法涉及简单的计算,以有效识别.

结论:

• 拟议的技术准确地识别了骨科植入物的制造商和模型.
• 这一进步有助于骨科外科医生在修复手术的术前规划.
• 该方法为骨科植入物识别提供了一个强大的解决方案.