Validity and accuracy of automatic cobb angle measurement on 3D spinal ultrasonographs for children with adolescent idiopathic scoliosis: SOSORT 2024 award winner
Notice bibliographique
Résumé
Abstract Purpose Ultrasonography for scoliosis is a novel imaging method that does not expose children with adolescent idiopathic scoliosis (AIS) to radiation. A single ultrasound scan provides 3D spinal views directly. However, measuring ultrasonograph parameters is challenging, time-consuming, and requires considerable training. This study aimed to validate a machine learning method to measure the coronal curve angle on ultrasonographs automatically. Methods A total of 144 3D spinal ultrasonographs were extracted to train and validate a machine learning model. Among the 144 images, 70 were used for training, and 74 consisted of 144 curves for testing. Automatic coronal curve angle measurements were validated by comparing them with manual measurements performed by an experienced rater. The inter-method intraclass correlation coefficient (ICC 2,1 ), standard error of measurement (SEM), and percentage of measurements within clinical acceptance (≤ 5°) were analyzed. Results The automatic method detected 125/144 manually measured curves. The averages of the 125 manual and automatic coronal curve angle measurements were 22.4 ± 8.0° and 22.9 ± 8.7°, respectively. Good reliability was achieved with ICC 2,1 = 0.81 and SEM = 1.4°. A total of 75% (94/125) of the measurements were within clinical acceptance. The average measurement time per ultrasonograph was 36 ± 7 s. Additionally, the algorithm displayed the predicted centers of laminae to illustrate the measurement. Conclusion The automatic algorithm measured the coronal curve angle with moderate accuracy but good reliability. The algorithm’s quick measurement time and interpretability can make ultrasound a more accessible imaging method for children with AIS. However, further improvements are needed to bring the method to clinical use.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Comment cette classification a été obtenuedéplier
Prédiction distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,000 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».