客观的
在脊柱翻修手术前了解先前植入椎弓根螺钉系统的制造商有助于更快和更安全的手术。通常情况下，这些信息是不可用的，因为患者是由其他中心转介的，或者因为患者记录中的信息缺失。近年来，机器学习和计算机视觉在临床应用中得到了广泛的应用。作者提出了一种计算机视觉方法来分类后路胸腰椎内固定系统。
开云体育世界杯赔率
获得了作者所在机构(2015-2021年)接受后路胸腰椎椎弓根螺钉植入手术患者的侧位和正位(AP) x线片。DICOM图像裁剪包括椎弓根螺钉和椎弓根棒。图像根据手术记录标记制造商。测试了多种特征检测方法(SURF, MESR和最小特征开云体育世界杯赔率值);然而，最终使用带有KAZE特征检测的视觉词袋技术构建了用于横向、AP和融合横向和AP图像的计算机视觉支持向量机(SVM)分类器。准确性测试使用80%/20%的训练/测试伪随机分割超过100次迭代。通过读者研究，作者将模型性能与目前外科医生和制造商代表通过视觉检查识别脊柱硬件的做法进行了比较。
结果
在三种图像类型中，获得了355张侧位片、379张AP片和338张融合x线片。本研究使用的5种椎弓根螺钉植入物分别为Globus Medical Creo、Medtronic Solera、NuVasive Reline、Stryker Xia和DePuy Expedium。当作者所在机构使用的两家最常见的制造商(Globus Medical和Medtronic)进行二值分类时，横向、AP和融合图像的准确率分别为93.15%±4.06%、88.98%±4.08%和91.08%±5.30%。每增加一个制造商，分类精度就会降低大约10%。横向图像、AP图像和融合图像的多级五种分类准确率分别为64.27%±5.13%、60.95%±5.52%和65.90%±5.14%。在读者研究中，该模型在14秒内对100张测试图像进行了五种分类，准确率为79%，而两名外科医生和三名制造商代表在20分钟内的平均准确率为44%。
结论
作者开发了一种带有支持向量机分类器的KAZE特征检测器，成功地在5级分类中识别了后侧胸腰椎硬件。该模型比目前临床实践中使用的方法更准确和有效。该模型从输入到输出的计算相对简单，可能有助于未来在临床环境中的前瞻性研究。
