简介:摘要目的探讨基于智能术前规划的下颌骨重建手术机器人系统的可行性与精准性。方法术前选取上海交通大学医学院附属第九人民医院就诊的115例头颅无异常的成年患者的CT影像,男57例,女58例,年龄(40.3±9.1)岁,就诊时间2010年2月至2019年5月;另选取115例肿瘤侵蚀下颌骨的成年患者的CT影像,男62例,女53例,年龄(55.6±7.2)岁,就诊时间2008年3月至2019年8月。建立智能颌骨重建手术机器人系统,主要由工作站、UR5六自由度机械臂、光学定位跟踪仪、六自由度力传感器、截骨手术工具组成。将2组患者的颌面CT图像数据用于训练残差连接的3D V-Net分割网络自动分割下颌骨,并用该网络对1例54岁需腓骨重建的下颌骨肿瘤男性患者的头颅CT数据进行自动分割,形成下颌骨模型,以手动分割结果为标准,评价自动分割的精度。使用基于机器学习的颌骨特征点还原法根据该患者的上颌骨特征点自动还原下颌骨特征点,形成重建方案,以下颌骨未缺损部分实际特征点与还原的特征点位置的误差值评价精度。利用该患者的下肢CT数据,制作5个3D打印的腓骨仿真模型。应用智能颌骨重建手术机器人系统,基于术前规划的图像,结合光学定位系统以及力传感器信号,实现机械臂与手术医生协同操作进行腓骨塑形,完成30次截骨。以CT影像下的术后腓骨段截骨面与术前规划的位置距离与角度偏差为精度标准,验证手术机器人系统精度。采用描述性方法进行统计学分析,数据以±s表示。结果设计的分割网络自动分割下颌骨肿瘤患者下颌骨的精度为96.581%,耗时小于30 s。该病例下颌骨特征点的误差值为(2.24±1.74) mm。下颌骨重建手术机器人能精确、快速地实施腓骨模型塑形,截骨的位置误差为(1.02±0.45) mm,角度误差为(0.96±0.42)°,术中耗时约15 min。结论智能术前规划能精确地分割下颌骨并定位下颌骨特征点,下颌骨重建手术机器人系统能精确地实现功能性下颌骨重建。
简介:摘要:目的是评估人工智能在临床实验室中的应用效果。方法为选取2023年1月到2024年1月期间在我院临床实验室进行检测和诊断的60例患者样本数据,平均分为对照组和实验组,实验组应用具备样本自动识别等功能的人工智能系统,对照组采用传统人工检测和分析方法,从检测效率、检测准确性、质量控制效果方面进行对比。结果显示,在检测效率、检测准确性、质量控制效果上,实验组(分别为93.2±0.8、94.2±0.9、95.4±0.7)均明显高于观察组(分别为88.7±0.5、89.5±0.6、85.8±0.7),差异有显著性(P<0.05)。结论为在临床实验室中应用人工智能可显著提高检测效率、检测准确性与质量控制效果。
简介:摘要目的探讨Cranibot智能开颅手术机器人系统在开颅手术中应用的精确性、效率性及安全性。方法应用解放军总医院第一医学中心神经外科和北京理工大学智能机器人研究所联合研发的Cranibot智能开颅手术机器人系统分别进行3种实验对象的随机分组对照实验研究,包括8个3D打印的PVC颅骨模型、5只家猪离体头颅、5只在体巴马小型猪头颅。每种实验对象对称选择左、右侧各2个部位进行钻孔开颅,每个部位钻孔4个,形成一个方形骨瓣;随机选择头颅一侧的1个部位开颅为实验组,另一侧对称的部位开颅为对照组。实验组由机器人进行开颅,对照组由同一组操作者进行开颅。分别观察和测定两组的钻孔位置误差、开颅用时及组织损伤发生率。结果颅骨模型实验中,实验组的开颅钻孔位置误差和开颅用时分别为(1.87±0.66)mm、(6.64±1.15)min;对照组的相应指标分别为(3.14±0.73)mm、(8.06±1.10)min ,差异均有统计学意义(均P<0.05)。家猪离体头颅实验中,实验组的开颅钻孔位置误差和开颅用时分别为(3.13±0.35)mm、(7.79±1.21)min,对照组的相应指标分别为(3.83±0.42)mm、(9.05±1.15)min,差异均有统计学意义(均P<0.05)。在体小型猪头颅实验中,实验组的开颅钻孔位置误差和开颅用时分别为(3.26±0.51)mm、(11.83±0.92)min;对照组的相应指标分别为(4.39±0.75)mm、(26.10±1.62)min,差异均有统计学意义(均P<0.05)。实验组总的组织损伤发生率为5.6%(2/36),对照组总的组织损伤发生率为16.7%(6/36),两组比较差异无统计学意义(P>0.05)。结论Cranibot智能开颅手术机器人系统能够提高开颅手术的精确性和效率性,但在安全性方面的验证需要进一步大样本的研究。
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。
简介:摘要:中国是结核病高负担国家,2019年中国的新发结核病患者预估为83.3万(2018年86.6万)估算结核病发病率为58/10万(2018年61/10万)。结核病是由结核分枝杆菌复合群感染而引起的慢性传染病,萋-尼氏染色法镜检是结核病诊断和治疗效果评价最为经济有效的方法,在结核病实验室中被广泛开展。加强全省结核病实验室痰涂片质量控制工作对提高我省结核病诊断水平具有非常重要的意义。传统的显微镜镜检方式完全依赖于人工检查,阅片数量较大时容易出现视觉疲劳,对镜检质量产生一定的影响。近年来,人工智能产品-智能显微扫描仪开始应用到痰涂片镜检领域,为评价智能显微扫描系统在实验室质量控制工作中的应用价值,开展了此次研究。