简介：摘要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（χ2=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。