基于深度卷积神经网络在术前X线片上检测全髋关节置换假体设计
图像与视频处理
2020-02-05 v1 计算机视觉与模式识别
摘要
识别失败假体的设计是翻修性全关节置换术前规划的关键步骤。从影像图像中手动识别假体设计耗时且易出错。术前未能识别假体设计会导致手术时间延长、手术更复杂、失血量增加、骨丢失增加、恢复时间延长以及整体医疗成本上升。在本研究中，我们提出一种新颖、全自动且可解释的方法，利用深度卷积神经网络（CNN）从平片X线片中识别全髋关节置换（THR）假体的设计。CNN在识别三种常用THR假体设计中达到了100%的准确率。此类CNN可用于在短短几秒内自动识别失败的THR假体设计，节省时间并提高识别准确率。这有望改善患者预后、解放医生时间并降低医疗成本。
引用
@article{arxiv.1911.12387,
title = {Detecting total hip replacement prosthesis design on preoperative radiographs using deep convolutional neural network},
author = {Alireza Borjali and Antonia F. Chen and Orhun K. Muratoglu and Mohammad A. Morid and Kartik M. Varadarajan},
journal= {arXiv preprint arXiv:1911.12387},
year = {2020}
}