一个算法,用于自动化股腿的长度和偏移计算的盆腔X线图
Kellen L Mulford1, Ryan D Roman1, Joshua R Labott2
1Orthopedic Surgery Artificial Intelligence Laboratory, Department of Orthopaedic Surgery, Mayo Clinic, Rochester, MN, USA.
概括
一个新的深度学习算法自动化了从部X射线的腿长度 (LL) 和偏移测量. 该工具准确地测量LL和偏移,提高了关节整形术 (THA) 后大型患者研究的效率.
科学领域:
- 整形外科手术 整形外科手术
- 医学成像分析分析 医学成像分析
- 医疗保健中的人工智能
背景情况:
- 手动测量腿部长度 (LL) 和偏移从AP骨盆放射图是耗时的.
- 精确的LL和偏移测量对于评估全关节整形术 (THA) 后的结果至关重要.
研究的目的:
- 开发和验证一个自动化的深度学习算法来测量LL和偏移从AP骨盆放射.
- 与手动测量相比,评估算法的准确性和一致性.
主要方法:
- 一个深度学习模型被训练在1100张AP盆腔放射图上.
- 算法的测量结果与100个图像对中的4个评分器的手动测量结果进行了比较.
- 评价者之间和评价者内部的一致性使用类内相关系数 (ICC) 进行评估.
主要成果:
- 该算法表现出高精度,对偏移 (0.83-0.88) 和LL (0.92-0.97) 的ICC值与人类评分器相当.
- 人类评级者表现出良好的至优秀的评级者之间和优秀的评级者内部一致性.
- 对15951张图像对的分析显示,关节炎关节的术前LL较短,THA后LL差异较小.
结论:
- 一个经过验证的深度学习算法可以准确地从AP骨盆放射图中计算LL和偏移.
- 这种自动化工具可以增强人口水平的研究,并有助于THA患者的操作管理.


