人工智能辅助手术规划系统在个体化全髋关节假体精准植入中的应用

目的 与传统二维胶片模板测量术前计划比较,探讨人工应用智能辅助三维数字化手术规划系统在个体化全髋关节置换术（total hip arthroplasty,THA）假体植入中应用的准确性。方法 回顾性分析88例行单侧THA手术病人的临床资料,其中传统模板组（44例）,人工智能组（44例）,记录比较两组在假体型号大小选择、植入位置、患侧偏心距、双下肢等长重建等方面的差异。结果 人工智能组髋臼杯和股骨柄假体型号的预测吻合率分别为95.5%、88.6%,均高于传统模板组的75.0%、65.9%,差异有统计学意义（P＜0.05）。人工智能组手术后偏心距和肢体长度的差值分别为（4.73±2.97） mm、（3.42±2.32） mm,均较传统模板组更小,差异有统计学意义（P＜0.05）。结论 人工智能辅助手术规划系统对人工髋关节假体型号的预测、患侧肢体偏心距的恢复、双下肢等长重建更加精准。     

个性化定制手术导板在全髋关节置换术中的应用

目的 设计并验证一种全髋关节置换术（total hip arthroplasty, THA）个性化定制手术导板（patient specific instrumentation, PSI）的安全性、有效性。方法 对患有髋关节疾病且须行THA的病人进行层厚为0.8 mm的三维CT扫描,获取该病人的CT数据。将数据导入三维手术规划软件中进行处理,根据病人术前影像学检查结果,利用计算机辅助技术（computer aided design, CAD）,由经验丰富的外科医生对CT图像进行分割并重建,获得骨盆及双下肢三维模型,并在此模型基础上进行三维手术规划。通过3D打印技术,制作病人个性化定制的手术导板,用于在术中提供相应手术操作的定位导航,使假体安放的实际位置和角度与术前计划一致。结果 导板与髋臼、股骨侧的骨骼标志性结构贴合度为100%,截骨高度与术前计划一致,均为股骨小转子上9 mm,髋臼杯磨锉、压配角度控制在外展40°,前倾20°,与术前计划一致。手术时间缩短至54 min,术中失血量减少至376.9 ml。结论 此个性化定制THA手术导板可精确贴合手术部位骨质,显著提高THA的精准性,具有良好的安全性、有效性。     

人工智能三维术前规划在全髋关节置换术中的应用和准确性分析

目的 探讨人工智能三维规划系统在全髋关节置换术中假体型号选择的准确性。方法 选取2019年11月至2020年12月住院期间的27例（32髋）行初次全髋关节置换手术患者，其中男10例，女17例。术前完成患侧髋关节X线及CT影像资料采集，分别使用传统模板测量法和人工智能三维术前规划进行假体型号预测，通过与全髋关节置换术中实际所用型号进行对比，比较两种预测方法的吻合率。结果 人工智能三维术前规划对髋臼及股骨假体型号预测的吻合率分别为90.6%和81.3%，传统模板测量对髋臼及股骨假体型号预测的吻合率分别为56.3%和46.9%。两种预测方法吻合率比较，差异有统计学意义（P<0.05）。人工智能三维规划系统预测髋臼杯型号同实际应用型号之间存在相关性（r=0.915，P<0.001），人工智能三维规划系统预测股骨假体型号同实际应用型号之间存在相关性（r=0.941，P<0.001）。结论 人工智能三维术前规划系统较传统模板测量方法更能准确预测假体型号。     

人工智能三维术前规划在全髋关节置换术中的应用和准确性分析

目的 探讨人工智能三维规划系统在全髋关节置换术中假体型号选择的准确性.方法 选取2019年11月至2020年12月住院期间的27例(32髋)行初次全髋关节置换手术患者,其中男10例,女17例.术前完成患侧髋关节X线及CT影像资料采集,分别使用传统模板测量法和人工智能三维术前规划进行假体型号预测,通过与全髋关节置换术中实...     

人工智能全髋关节置换术髋臼杯放置算法的实验研究

目的研发基于人工智能深度学习技术的全髋关节置换术(total hip arthroplasty,THA)髋臼假体型号算法并进行初步验证。方法回顾性分析2019年4月至2020年4月30例股骨头坏死患者资料,其中男15例,女15例;年龄(54.8±10.5)岁(范围33~72岁),左侧13髋,右侧17髋,均接受初次单侧THA。在完成髋关节图像手工标注的基础上,训练人工智能深度学习卷积神经网络对患者髋关节CT骨质进行分割,而后识别骨盆解剖标志位点,并对骨盆位置进行矫正并模拟安放髋臼杯,分别采用dice overlap coefficients(DOC)、平均误差等参数对上述步骤的精度进行评估,最终形成人工智能髋臼假体型号算法。并使用该算法与Orthoview二维术前规划软件分别对患者髋臼杯大小进行规划,将两组规划结果与已完成的实际手术结果进行比对,分别计算其符合率,从而回顾性验证本算法的规划效果。结果在算法方面,与其他经典分割网络相比,G-net网络可更精准的完成对股骨头坏死髋关节骨质的分割,DOC为92.51%±6.70%,且具有更好的鲁棒性(robustness),点识别网络平均误差为0.87个像素值。在临床应用效果方面,人工智能组完全符合率为96.7%(29/30),较Orthoview组的73.3%(22/30)高23.4%,差异有统计学意义(χ^2=6.405,P=0.011)。结论深度学习技术可精准分割患者髋关节CT图像,识别髋关节特征点,人工智能THA髋臼杯放置算法与传统二维术前规划方式相比具有较高的准确性。此算法有望实现准确、快速的THA三维术前规划。     

三维术前规划辅助全髋关节置换术治疗发育性髋关节发育不良继发骨关节炎

目的分析三维术前规划辅助全髋关节置换治疗发育性髋关节发育不良继发骨关节炎的临床疗效。方法回顾性分析2019年10月至2021年3月接受初次单侧人工全髋关节置换术的80例CroweⅠ～Ⅲ型发育性髋关节发育不良继发骨关节炎的患者资料, 男18例、女62例;年龄(55.7±10.4)岁(范围41～72岁)。三维规划组的40例患者采用下肢全长CT扫描数据在三维重建软件上规划假体型号及安装角度并计算下肢长度差和股骨偏距;常规规划组的40例患者采用常规胶片测量法进行术前规划, 根据术前的测量数据及术中双下肢比对的方法计算下肢长度差。比较两组术后双下肢长度差及髋关节偏心距、Harris髋关节功能评分、手术时间、术中失血量和并发症的发生率。结果 80例患者均顺利完成手术, 统一随访至术后3个月。三维规划组的手术时间为(70.9±7.7) min, 术后下肢长度差为(2.78±1.31) cm, 髋关节偏心距差为(2.43±1.41) cm, 术后1周的髋关节功能评分为(75.67±3.35)分;对照组为手术时间为(81.6±13.3) min, 术后下肢长度差为(5.35±2.15) cm, 髋关节偏...     

深度学习卷积神经网络在髋关节翻修术前CT分割领域的研发与初步应用

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...