目的:研发基于人工智能深度学习技术的髋关节翻修术前CT影像分割算法,并进行验证及初步应用。方法:回顾性分析2019年4月至2022年10月于中国人民解放军总医院收治的有清晰CT数据资料的翻修病例706例,其中男520例,年龄(58.45±18.13)岁;女186例,年龄(52.23±16.23)岁。均为单侧,左侧402髋、右侧304髋。搭建transformer_unet卷积神经网络并使用Tensorflow 1.15进行网络模型训练,实现对翻修髋关节CT影像的智能分割。基于已研发的全髋关节置换术三维规划系统,初步构建髋关节翻修手术智能规划系统。分别采用dice overlap coefficient(DOC)、average surface distance(ASD)、Hausdorff distance(HD)参数对transformer_unet、全卷积网络(fully convolutional networks,FCN)、2D U-Net、和Deeplab v3+的分割精度进行评估,统计分割耗时对上述网络的分割效率进行评估。结果:与FCN、2D U-Net和Deeplab v3+学习曲线相比,transformer_unet网络可通过较少的训练量实现更优的训练效果。Transformer_unet的DOC为95
作者:吴东;孔祥朋;杨敏之;刘星宇;张逸凌;柴伟
来源:中华骨科杂志 2023 年 43卷 1期