首个基于深度学习的锤击声学方法用于髋关节置换术的髌骨头栓稳定性评估
音频与语音处理
2025-12-04 v2
摘要
音频事件分类最近在医疗领域发挥出良好的前景。在髋关节置换术(THA)中，内镜锤击声学提供了评估髌骨头栓初始稳定性的关键线索，但由于髌骨形态、植入尺寸和外科技术的差异性，限制了传统评估方法的应用。我们提出了首个深度学习框架用于该任务，采用TimeMIL模型训练，基于Log-Mel频谱图特征，并通过伪标签增强。在内镜录音上，该方法实现了91.17%±2.79%的准确率，表明可靠地估计了栓的稳定性。比较实验进一步表明，减少髌骨栓品牌的多样性可改善模型性能，但数据集大小有限仍是瓶颈。这些结果表明，基于深度学习的音频事件分类是髋关节置换术内镜稳定性评估的可行方法。
引用
@article{arxiv.2511.18725,
title = {First Deep Learning Approach to Hammering Acoustics for Stem Stability Assessment in Total Hip Arthroplasty},
author = {Dongqi Zhu and Zhuwen Xu and Youyuan Chen and Minghao Jin and Wan Zheng and Yi Zhou and Huiwu Li and Yongyun Chang and Feng Hong and Zanjing Zhai},
journal= {arXiv preprint arXiv:2511.18725},
year = {2025}
}
备注
The manuscript, including both the title and the main text, contains issues with clarity and precision in its overall presentation, necessitating a complete withdrawal for revision