基于深度学习的膝部 X 光片片间对齐测量
计算机视觉与模式识别
2025-06-24 v1 人工智能
摘要
膝部 X 光片片间对齐 (KA) 测量对于预测关节健康和全膝关节置换术后的手术结果至关重要。传统的 KA 测量方法为手动、耗时且需要长腿 X 光片。本研究提出一种基于深度学习的方法，通过自动定位膝部解剖标志物来测量 anteroposterior 膝部 X 光片中的 KA。该方法基于 hourglass 网络，并包含注意力门结构以增强鲁棒性并聚焦于关键解剖特征。据我们了解，这是首个基于深度学习的方法，用于定位超过 100 个膝部解剖标志物，以完整描绘膝部轮廓，同时集成前术后术图像的 KA 测量。它使用解剖髌股骨-胫骨角度实现高度准确可靠的解剖性髌/胫角度测量，与临床ground truth 测量相比平均绝对差值为约1度。前术间协同系数 (ICC) = 0.97，后术 ICC = 0.86。我们的发现表明，KA 评估可实现高度准确的自动化，从而为数字化临床工作流程创造机会。
引用
@article{arxiv.2506.18209,
title = {Deep Learning-based Alignment Measurement in Knee Radiographs},
author = {Zhisen Hu and Dominic Cullen and Peter Thompson and David Johnson and Chang Bian and Aleksei Tiulpin and Timothy Cootes and Claudia Lindner},
journal= {arXiv preprint arXiv:2506.18209},
year = {2025}
}
备注
Accepted to MICCAI 2025