Automatic determination of the resection plane for shoulder arthroplasty in arthritic humeri: a deep learning model
Notice bibliographique
Résumé
BACKGROUND: The humeral head resection plane relies on the anatomic neck as a reference for shoulder arthroplasty planning and accurate intraoperative placement of the humeral component. However, osteophytes and deformity associated with osteoarthritis often obscures this landmark increasing preoperative planning time and complicating placement of the humeral component. To date, no automated method for identifying the resection plane in arthritic humeri exists. METHODS: Two orthopedic surgeons determined the resection plane of 62 3D-models of the humerus derived from computed tomography scans by digitizing along the anatomic neck and then fitting the resection plane to those points. A deep learning model was then trained on 80% of the humeri and their corresponding resections. Testing was performed on the remaining 20% by inputting 3D humerus models into the trained deep learning model and assessing the predicted resection plane's deviation from the surgeon-defined resection plane. Evaluation metrics included the mean Euclidean distance between the centroids of both planes and the angular error between their normal vectors to quantify model accuracy. RESULTS: For arthritic humeri, the predicted resection plane when compared to the surgeon selected plane had mean absolute errors of 1.4 ± 0.7 mm for the centroid and 3.9 ± 1.6° for the normal vector. In nonarthritic humeri the mean absolute errors were 0.3 ± 0.2 mm and 3.1 ± 1.6, respectively. CONCLUSIONS: Our deep learning model achieves state-of-the-art accuracy for predicting the location of the resection plane. The model maintains robust performance in arthritic shoulders, enabling further automation of shoulder arthroplasty planning in more complex arthritic cases.
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 machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 0,001 |
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 source (Gemma direct ou Codex distillé), 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 ».