开发一个深度学习模型的关节整形模板使用前后部X射线图

科学领域:

• 整形外科手术 整形外科手术
• 人工智能在医学中的应用
• 医学成像分析 医学成像分析

背景情况:

• 术前模板对于关节整形 (HA) 植入物选择和并发症减少至关重要.
• 目前的模板制造方法 (乙酸盐,数字软件) 依赖于外科医生的经验,并且有局限性.
• 开发自动化,准确的模板工具对于优化HA结果至关重要.

研究的目的:

• 开发和验证一个深度学习 (DL) 模型,以使用普通放射图来预测关节整形植入物大小.
• 将DL模型的准确性与传统的屏幕模板方法进行比较.

主要方法:

• 对786例初级关节整形术病例的回顾性研究,使用无水泥的CORAIL大腿茎和PINNACLE骨杯.
• 一个DL模型在688次手术前关节前关节X射线图上接受了训练,并在98例病例中得到了验证.
• 将DL模型预测与屏幕模板和实际植入尺寸进行了比较.

主要成果:

• 与在屏幕上的模板相比,DL模型对骨杯 (88.9%) 和大腿茎 (85.7%) 尺寸预测的准确性更高.
• 在屏幕上模板对双极性头部预测 (93.2%) 比DL模型 (72.7%) 更准确.
• 平均绝对误差和根平均平方误差在两种方法之间对于骨和股骨组成部分是可比的.

结论:

• 使用普通放射图的DL模型可以准确地预测关节整形植入物大小,特别是关节和股骨部件.
• 基于DL的方法显示了作为关节整形术术前手术规划的有价值工具的潜力.
• 进一步细化可通用性可以使这种人工智能驱动的模板方法的常规临床应用成为可能.