肌肉骨模型的神经网络代理:在全膝关节整形术中对植入物对齐的应用

科学领域:

• 整形外科手术 整形外科手术
• 生物机械工程 生物机械工程
• 人工智能在医学中的应用

背景情况:

• 膝关节整形术 (TKA) 有效治疗末期膝关节关节炎 (OA),但患者不满仍然高达20%的病例.
• 目前基于肌肉骨模型的方法来预测最佳的植入物对齐是计算密集的,限制了临床使用.
• 患者特定的植入物对齐对于恢复疾病前的膝盖功能和增强TKA后的满意度至关重要.

研究的目的:

• 通过基于神经网络的替代模型,加快对TKA中最佳植入物对齐的估计.
• 评估与候选植入物对齐相关的膝盖动力学和带应变.
• 为改善TKA结果,使植入物定位的患者特定优化成为可能.

主要方法:

• 在8名膝关节OA患者的数据集上训练了一种多任务多层感知子 (MLP).
• 使用患者特定的数据,包括植入物位置和动力学和带应变的偏差.
• 将基于梯度的优化方法应用于MLP输出,以确定最佳的植入物位置.

主要成果:

• 在所有患者中,在预测和计算的动力学和带应变值之间取得了强烈的相关性.
• 通过基于梯度的优化,确定了每个患者的单个或多个最佳植入物位置.
• 证明了模型能够捕捉生物力学等效区域,与肌肉骨模拟保持一致.

结论:

• 开发的基于神经网络的代孕模型显著加速了对TKA.最佳植入物对齐的估计.
• 这种针对患者的方法是将生物力学建模纳入临床TKA决策的关键一步.
• 这些发现支持通过优化,个性化植入物定位来提高患者满意度的潜力.