関節軌道機械学習:単一平面X線画像からの6DOF TKA運動学を測定するための自律法【JST・京大機械翻訳】

Jensen Andrew; Flood Paris; Palm-Vlasak Lindsey; Burton Will; Rullkoetter Paul; Banks Scott

プレプリント

J-GLOBAL ID：202202214445701208 整理番号：22P0341246

関節軌道機械学習:単一平面X線画像からの6DOF TKA運動学を測定するための自律法【JST・京大機械翻訳】

Joint Track Machine Learning: An autonomous method for measuring 6DOF TKA kinematics from single-plane x-ray images

出版者サイト {{ this.onShowPLink() }} 複写サービスで全文入手
高度な検索・分析はJDreamⅢで

この文献はプレプリントです。プレプリントについてはこちらをご確認ください。

著者 (6件)： , , , , ,
資料名：
発行年： 2022年04月29日プレプリントサーバーでの情報更新日： 2022年04月29日
JST資料番号： O7000B 資料種別：プレプリント
記事区分：プレプリント発行国：アメリカ合衆国 (USA) 言語：英語 (EN)

3D TKA運動学の動的X線撮影測定は,インプラントデザインと30年以上にわたる手術技術に重要な情報を提供する。しかし,TKA運動学を測定する現在の方法は,実用的な臨床応用のためには,あまり厄介で時間がかかる。最先端技術でさえ,全最適化プロセスを通して人間監督初期化または人間監視を必要とする。人間の監督の除去は,この技術を臨床実用性に潜在的にもたらす可能性がある。従って,単一平面イメージングからTKA運動学を定量化するための完全自律パイプラインを提案した。最初に,畳み込みニューラルネットワークは,画像から大腿および脛骨インプラントを分割する。第2に,分割画像を初期姿勢推定のための正規化Fourier記述子形状ライブラリと比較した。最後に,Lipschitzian最適化ルーチンは,分割された画像と投影されたインプラントの間の差異を最小にする。この技法は,内部データセットと外部検証研究からのヒト監督運動学測定を確実に再現し,内部研究に対して0.7mmと4{deg}以下のRMS差と外部検証研究に対して0.8mmと1.7{deg}のRMS差を有した。この性能は,臨床設定でこれらの測定を行うのに,すぐに実用的であろうことを示す。【JST・京大機械翻訳】

, , , , , , , ,
, , , , , , 【Automatic Indexing@JST】

医用画像処理 , 生体代行装置

, , , , , , ,

前のページに戻る