10.19548/j.2096-269x.2024.01.006
基于深度学习模型的腰椎X线关键参数识别的应用
目的 将人工智能技术引入腰椎X线的指标自动测算过程.方法 首先构建基于U-net+Attention的全卷积神经网络,并评估其对于腰椎数字化摄影影像中椎间隙高度指数、腰椎活动角和节段活动度这三个指标自动测量的准确性和有效性.回顾性收集2008年至2016年于陆军军医大学第二附属医院行站立位腰椎DR摄影的1 500例的1 527张站立态下的侧位脊柱图像数据.将此数据按8∶1∶1的比例划分为训练集、验证集及测试集.通过labelme标注工具对每节椎体的主体结构进行标注.使用平均准确率(ACC)、交并比(IOU)和Dice系数来评价模型的具体分割性能.结果 构建的网络平均IOU能达到0.940;平均Dice系数为0.980.与U-net和Deeplab-v3分割网络模型相比,该模型数据测算准确有效.椎间隙高度指数的误差均值为±2.4 mm;腰椎活动角的误差均值在±3.1°;节段活动度的误差均值在±5.8°,均符合计算中的正常误差水平.结论 基于人工智能能构建的网络模型实现了对腰椎X线关键参数的自动精准测算,有助于临床医师综合多参数定量分析和评估PETD手术复发风险的高低.
计算机模拟、腰椎、X线、人工智能、经皮椎间孔镜手术
9
TP391.41;TP181;U491.2
2024-01-23(万方平台首次上网日期,不代表论文的发表时间)
共6页
31-36