Samodejna lokalizacija točk za artroplastiko kolena na rentgenskih posnetkihKOVIČ, JAN (Avtor) Špiclin, Žiga (Mentor) Samodejna lokalizacija anatomskih oslonilnih točkgloboko učenjeučenje s prenosomrentgenski posnetki spodnje okončinenaknadna obdelavaYOLO model.Artroplastika kolena je danes najbolj razširjena metoda zdravljenja končnih stadijev obrabe kolena. Z namenom izboljšanja operativnega zdravljenja so se v zadnjih desetih letih pojavili novi pristopi k postavitvi tako femoralne kot tibialne komponente kolenske endoproteze. Novi pristopi temeljijo na predpostavki, da naj bi kinematično postavljena proteza bolje sledila normalnemu gibanju kolenskega sklepa. Pri izvedbi kolenske artroplastike postaja zato vedno bolj pomembna natančnost postavitve proteze. Trenutno arbitrarno določena dopustna meja odstopanja natančnosti postavitve od načrtovane za posamezni kot je $\pm$3$^{\circ}$. Predoperativne meritve kotov se standardno napravijo na dolgo-osnih rentgenskih posnetkih, ki predstavljajo čelno 2D projekcijo spodnjega uda. To delo preučuje natančnost samodejnih meritev na dolgo-osnih rentgenskih posnetkih spodnje okončine z uporabo YOLO modela v primerjavi z ročnimi (referenčnimi) meritvami dveh ekspertov s področja radiologije in ortopedije. Sprejemljivo odstopanje samodejnih meritev na rentgenskih posnetkih je bilo empirično določeno kot $\pm$3 mm ali $\pm$3$^{\circ}$ glede na referenčne meritve. Eksperimenti so sistematično vrednotili predlagano avtomatsko metodo lokalizacije oslonilnih točk z raziskavo vpliva (i) nastavitve hiperparametrov, (ii) različnih velikosti modelov, (iii) velikosti vhodnih slik in (iv) metod naknadne obdelave kot sta metoda glavnih komponent in Cannyjev detektor robov. Rezultati eksperimentov so pokazali, da je uporaba YOLO modela z 11,6 milijoni parametrov z oznako $"$small$"$, ki je uporabljal učenje s prenosom uteži in metodo optimizacije naključnega gradientnega spusta, uporabo bogatenja s togimi geometrijskimi preslikavami, velikostjo vhodne slike 1920$\times$480 in tehnike naknadne obdelave (metoda glavnih komponent in Cannyjev detektor robov) dal najboljše rezultate. Zbrana je bila zbirka podatkov 188 dolgo-osnih rentgenskih posnetkov 107 bolnikov. Dva eksperta sta ročno anotirala lokacije anatomskih oslonilnih točk na teh posnetkih. Povprečno odstopanje med referenčnimi anotacijami dveh ekspertov je bilo 1,99 mm na X osi in 1,22 mm na Y osi rentgenskih posnetkov. Pri uporabi modela YOLO je bilo povprečno odstopanje od referenčnega nabora podatkov 2,44 mm na X osi in 2,63 mm na Y osi, evklidsko razdaljo 3,98 mm, povprečno absolutno odstopanje napovedanega HKA kota od referenčnega HKA kota je bilo 0,57$^{\circ}$ in uspešnost metode na 97,29\% testne podatkovne zbirke (37/38 slik), kar ustreza vnaprej začrtanim merilom sprejemljive zmogljivosti metode. Avtomatska lokalizacija anatomskih oslonilnih točk na dolgo-osnih rentgenskih posnetkih z uporabo YOLO modela z naknadno obdelavo doseže zadostno natančnost v primerjavi z ročnimi anotacijami ekspertov. Predvidevamo, da bi z nadaljnjim prilagajanjem parametrov, večjimi modeli, ki imajo več parametrov, boljšo naknadno obdelavo in večjimi podatkovnimi zbirkami bi lahko natančnost meritev še izboljšali.20242024-04-22 10:55:02Magistrsko delo/naloga155830VisID: 62641COBISS_ID: 193773315sl