|
国际顶刊发表！罗森博特AI骨盆复位规划算法实现骨科手术智能升级
作者：系统管理员
发布日期：2025-03-28
浏览次数：
近日，罗森博特与北京航空航天大学、北京积水潭医院联合研发的AI骨盆骨折术前规划算法在国际顶级医学图像处理期刊《Medical Image Analysis》（IF=10.7）正式发表，标志着罗森博特科研团队在智能骨科领域取得了重要进展。 骨盆是人体中最复杂的骨骼结构之一，骨折后常伴有多骨块的移位与关节错位。由于其解剖结构复杂、靠近重要血管和神经，传统骨盆复位手术风险高、难度大。手术前，医生需要花费大量时间在三维CT图像上手动分割骨折骨块并制定复位策略，这不仅效率低，还极度依赖临床专家个人的经验，缺乏一致性和可复制性。因此，开发一种高效、精准、自动化的术前规划工具具有重要临床意义。 本研究提出了一套全自动AI骨盆骨折复位规划系统，包括两大核心模块： 利用深度学习模型（FracSegNet），自动识别CT图像中的骨折碎块，并在骨块紧密接触或压缩变形的复杂区域维持表现出色。 结合统计形状模型和递归位姿估计网络，先重建单块骨的完整形态，再对整体骨盆结构进行合理拼合和位姿还原。 本系统通过将深度学习算法与真实的解剖模型相结合，首次实现了从图像输入到复位姿态输出的全流程自动化规划。 研究团队构建了一个包含150例临床骨盆骨折CT的高质量数据集，并在其中30例复杂病例上进行了验证： 骨折分割精度：平均Dice系数高达0.986，在关键的骨折接触区域也维持了较高精度（LDSC为0.940）。 复位精度：骨块最终复位与真实解剖位置之间的平移误差为2.77mm，旋转误差约为3.48°，已满足临床使用要求。 效率大幅提升：相比手工规划平均需要30分钟以上，该方法自动处理时间约为30秒，效率提升显著。 本研究首次提出了面向骨盆复杂骨折的自动术前规划完整解决方案，将AI与骨科影像深度融合，显著提升了术前规划的效率与准确性。该方法可进一步应用于骨折复位机器人系统，为实现骨科智能化提供了技术支撑。 此次研究的成功发表，不仅展示了科研团队在医学人工智能领域的创新能力，也为推动骨科智能化发展提供了范例。 文章来源：罗森博特 |
