基于形状意识形态预测和解剖学受限注册的自动化整形手术规划
概括
OrthoPlanner使用一种全新的两阶段框架自动化了整形手术规划. 这种由人工智能驱动的方法提高了精度,减少了工作量,并确保可重复的结果,以获得更好的功能和美学结果.
科学领域:
- 医疗人工智能 医疗人工智能
- 计算几何学的计算几何学
- 手术规划 手术规划
背景情况:
- 整形手术需要精心的手术前规划,以获得最佳的功能和美学结果.
- 目前的规划方法耗时,严重依赖外科医生的专业知识,导致潜在的低效率.
研究的目的:
- 介绍OrthoPlanner,一个自动化的两阶段框架,用于整形手术规划.
- 利用人工智能精确预测术后骨形态和自动化手术段对齐.
主要方法:
- 开发了JawFormer,一个变压器网络,从3D点云数据预测术后骨形态.
- 集成的解剖学先验使用基于区域的特征对齐模块,用于准确的结构建模.
- 实现了对称性受约束的刚性对齐算法,用于自动骨段重新定位.
主要成果:
- 与现有方法相比,实现了优越的定量性能和增强的可视化.
- 通过对真实临床数据集的65个实验证明了有效性.
- 显著减少了规划时间和手工工作,同时确保可重复的结果.
结论:
- OrthoPlanner提供了一种高效,准确和可重复的解决方案,用于自动化直立体外科手术规划.
- 该框架提高了预测骨形态和对准手术段的精度.
- 这种人工智能驱动的方法有望改善外科手术结果并简化临床工作流程.
