基于深度学习从前位骨盆平片估算髋臼前倾角
图像与视频处理
2021-11-16 v1 人工智能
计算机视觉与模式识别
机器学习
医学物理
摘要
背景与目的：髋臼前倾角是全髋关节置换术中的重要因素，以 CT 扫描为金标准进行测量。CT 的辐射剂量与高成本使得前后位骨盆平片成为一种合适的替代手段。在本研究中，我们对前后位骨盆 X 光片应用深度学习方法以测量解剖前倾角，消除了使用计算机断层扫描的必要性。方法：利用 300 名患者的 CT 图像计算其双侧髋臼前倾角。所提出的深度学习模型 Attention on Pretrained-VGG16 for Bone Age 应用于纳入人群的 AP 图像。这些人的年龄和性别作为另外两个输入加到注意力机制的最后全连接层。作为输出，预测双侧角度。结果：数据集中基于 CT 计算出的髋角随年龄增长而增大，男性均值分别为 16.54 和 16.11（右、左角度），女性分别为 20.61 和 19.55。使用所提深度学习方法估计右、左角度的预测误差处于准确误差区域（<=3 度），显示了该方法基于 AP 图像测量解剖前倾角的能力。结论：所建议的算法在患者骨盆 AP 图像上应用预训练 VGG16，随后结合考虑患者年龄和性别的注意力模型，可仅用 AP 平片准确评估前倾角，同时免去 CT 扫描。据作者所知，这种基于 AP 骨盆图像使用 DL 方法估算解剖髋臼前倾角的技术此前尚未发表。
引用
@article{arxiv.2111.07369,
title = {Estimation of Acetabular Version from Anteroposterior Pelvic Radiograph Employing Deep Learning},
author = {Ata Jodeiri and Hadi Seyedarabi and Fatemeh Shahbazi and Seyed Mohammad Mahdi Hashemi and Seyyedhossein Shafiei},
journal= {arXiv preprint arXiv:2111.07369},
year = {2021}
}
备注
12 pages, 8 figures