用于椎弓根螺钉轨迹识别的机器人辅助美国椎体分割

测试了以下假设：

1. 通过机器人辅助超声扫描对腰椎进行 3D 重建相当于或优于手持超声扫描的 3D 重建质量。
2. 机器学习算法可以自动分割来自机器人辅助和手持式美国扫描的骨骼解剖结构，以生成所述 3D 腰椎重建。
3. 可以根据机器人辅助和手持式美国扫描腰椎 3D 重建的后椎标志识别椎弓根螺钉轨迹。

该项目由三个支柱组成，作为目标，以帮助巩固美国的腰椎重建作为介入脊柱应用中的新型导航方法。

• 第一支柱：获得健康受试者腰椎的首个活体机器人辅助和手持美国重建数据集。 将收集的数据集与地面真实 CT 数据进行比较以评估质量。
• 第二支柱：训练一种新颖的机器学习算法，将美国重建的所有收集到的腰椎数据分割成每个已识别的椎骨。
• 第三支柱：一种基于后椎体标志识别椎弓根螺钉轨迹的新型测量方法应用于分段美国重建。 这项研究进一步推动了美国未来在机器人辅助干预中的应用。

该项目包括两个阶段。 首先，计划进行初步试点研究，以评估项目的可行性并改进计划的工作流程和安全措施。 为了这次试点，调查人员将口口相传招募两名志愿者。 在完成并彻底评估试验后，研究人员将进行实际研究。

实际研究的志愿者是通过公开征集参与来选择的。 可能的志愿者年轻、健康，没有受到疾病或腰椎变形的影响。 通过询问他们的病史来筛选选定的志愿者。 如果包括并愿意参与，志愿者将被邀请参加 Balgrist 校区的研究，并将接受有关腰椎的临床检查。 此外，还进行了低剂量 CT 扫描、手持式 US 扫描和机器人辅助 US 扫描。

CT 扫描被手动分割成 3D 表面模型以获得“分割地面实况”。 一种新颖的机器学习算法自动执行 3D 重建并分割机器人辅助和手持式 US 扫描。

然后利用 3D US 重建通过一种基于腰椎后部解剖标志的新方法来识别椎弓根螺钉轨迹。

这项单中心研究结合了瑞士苏黎世大学骨科计算机科学研究 (ROCS) 团队的临床和计算机科学知识，以及鲁汶大学工程学院的机器人技术和美国应用知识，比利时。 数据收集在 Balgrist Campus 进行。