用临床数据集增强的统计形状模型对全膝关节关节整形手术暴露的患者特异预测

科学领域:

• 整形外科和生物医学工程
• 医学成像和计算机视觉
• 手术规划和模拟手术

背景情况:

• 膝关节关节炎需要全膝关节整形术 (TKA),手术暴露对于植入物安置和患者康复至关重要.
• 目前的TKA方法各不相同,影响软组织的保存和恢复,突出显示了对最佳暴露预测的需求.
• 个性化解决方案,包括机器人系统和患者特定仪器 (PSI),需要精确的理解和预测手术暴露.

研究的目的:

• 开发和验证基于统计形状模型 (SSM) 的方法,用于预测TKA期间膝关节表面暴露的程度.
• 将手术前的骨模型与手术内的RGB-深度成像进行整合,以提高暴露预测.
• 评估拟议的预测方法的准确性和可靠性.

主要方法:

• 在手术前模型和手术内RGB-Depth图像上使用了一种全新的半自动注释技术.
• 增加的统计形状模型 (SSM) 的股骨和骨是使用骨网和注释暴露区域构建的.
• 预测准确性通过比较预测和手动注释的暴露区域,使用子得分和平均对称表面距离来评估10名患者的预测准确性.

主要成果:

• 基于SSM的方法在预测膝关节表面暴露方面表现出很好的相似性,子得分为0.87 (股骨) 和0.90 (骨).
• 平均对称的表面距离为股骨的0.74毫米和骨的0.21毫米,表明高精度.
• 在手动骨注释中发现了最小的观察者间变异性 (子得分为0.98),证实了该方法的稳定性.

结论:

• 开发的方法显示了在TKA.手术暴露的患者特定预测显著的潜力.
• 这种方法可以增强对TKA手术暴露的理解,帮助进行植入物大小和定位的术前规划,并完善个性化仪器和机器人系统的设计.
• 预测的外科暴露可以用于外科训练模拟,改善外科医生的教育和技能发展.