文献

J-GLOBAL ID：202202221208358251   整理番号：22A1030272

人工膝関節全置換術のための人工知能ベース患者特異的術前計画アルゴリズム【JST・京大機械翻訳】

Artificial Intelligence Based Patient-Specific Preoperative Planning Algorithm for Total Knee Arthroplasty

著者 (6件)： Lambrechts Adriaan (1Materialise NV, Leuven, Belgium) ,  Lambrechts Adriaan (2Department of Electrical Engineering (ESAT), STADIUS Center for Dynamical Systems, Signal Processing and Data Analytics, KU Leuven, Leuven, Belgium) ,  Wirix-Speetjens Roel (1Materialise NV, Leuven, Belgium) ,  Maes Frederik (3Department of Electrical Engineering (ESAT), Processing Speech and Images (PSI), KU Leuven, Leuven, Belgium) ,  Maes Frederik (4Medical Imaging Research Center, UZ Leuven, Leuven, Belgium) ,  Van Huffel Sabine (2Department of Electrical Engineering (ESAT), STADIUS Center for Dynamical Systems, Signal Processing and Data Analytics, KU Leuven, Leuven, Belgium)
資料名： Frontiers in Robotics and AI (Web)  (Frontiers in Robotics and AI (Web))
巻： 9  ページ： 840282  発行年： 2022年 
JST資料番号： U7099A  ISSN： 2296-9144  資料種別： 逐次刊行物 (A)
記事区分： 原著論文  発行国： スイス (CHE)  言語： 英語 (EN)

抄録/ポイント： 以前の研究は,患者特異的ガイドによる人工膝関節全置換術のための製造業者のデフォルト術前計画が,外科医による頻繁な,時間のかかる変化を必要とすることを示した。現在,機械学習を用いた整形外科手術の術前計画を予測する研究は行われていない。このため,この研究は,人工知能(AI)駆動計画ツールが,外科医によりより少ない変化を必要とする,外科医と患者特異的な術前計画を作ることができるかを評価することを目的にした。メーカーのデフォルトと39人の外科医によって修正された計画を含む5409の術前計画のデータセットを集めた。外科医および患者特異的方法でインプラントサイズ,位置および方向を記述する術前計画から特徴を抽出した。これらの特徴に基づいて,非線形回帰モデルを採用して,外科医の修正術前計画を予測した。外科医の補正の平均数は,AIを用いて生成された術前計画を生産者のデフォルト計画と比較して39.7%減少した。製造業者の計画における大腿骨と脛骨のインプラントサイズは,それぞれ症例の68.4%と73.1%で正しく,一方,AIベースの計画は,外科医が承認された計画と比較して,それぞれ症例の82.2%と85.0%で正確であった。著者らの方法は,人工膝関節全置換術のための外科医および患者特異的方法で術前計画を作成するための機械学習の使用を成功裏に示した。Copyright 2022 The Author(s) All rights reserved. Translated from English into Japanese by JST.【JST・京大機械翻訳】

シソーラス用語： *アルゴリズム ,  長さ ,  *人工知能 ,  生産者 ,  大腿骨 ,  脛骨 ,  方向 ,  *治療計画 ,  整形外科 ,  機械学習 ,  *人工膝関節置換術 ,  サポートベクトルマシン
準シソーラス用語： *術前計画 ,  非線形回帰モデル , 【Automatic Indexing@JST】

著者キーワード (7件)： 人工膝関節全置換術 ,  患者特異性 ,  術前計画 ,  機械学習 ,  整形外科手術 ,  サポートベクトルマシン ,  人工知能

分類 (2件)： 運動器系疾患の外科療法  (GG05030O) ,  医用画像処理  (JE04020T)

引用文献 (36件)：

• AbdelM. P., ParratteS., BudhiparamaN. C. (2014). The Patella in Total Knee Arthroplasty: to Resurface or Not Is the Question. Curr. Rev. Musculoskelet. Med. 7, 117-124. doi: 10.1007/s12178-014-9212-4
• BartsoenL., FaesM., WesselingM., Wirix-SpeetjensR., MoensD., JonkersI., et al (2021). Deep Neural Network for Computationally Efficient Estimation of Knee Kinematics and Ligament Strains from Bone Geometry. doi: 10.1007/s12178-014-9212-4
• CherianJ. J., KapadiaB. H., BanerjeeS., JaureguiJ. J., IssaK., MontM. A. (2014). Mechanical, Anatomical, and Kinematic Axis in TKA: Concepts and Practical Applications. Curr. Rev. Musculoskelet. Med. 7, 89-95. doi: 10.1007/s12178-014-9218-y
• CootesT. F., TaylorC. J., CooperD. H., GrahamJ. (1995). Active Shape Models-Their Training and Application. Computer Vis. Image Understanding 61, 38-59. doi: 10.1006/cviu.1995.1004
• CucchiD., MenonA., CompagnoniR., FerruaP., FossatiC., RandelliP. (2018). Significant Differences between Manufacturer and Surgeon in the Accuracy of Final Component Size Prediction with CT-based Patient-specific Instrumentation for Total Knee Arthroplasty. Knee Surg. Sports Traumatol. Arthrosc. official J. ESSKA. doi: 10.1007/s00167-018-4876-8

タイトルに関連する用語 (5件)： 人工膝関節全置換術 ,  人工知能 ,  患者 ,  術前計画 ,  アルゴリズム