Zian Fanti Gutiérrez, Alfonso Gastelum-Strozzi, E. Hazan-Lasri, F. Arámbula Cosio
{"title":"计算机学习在计算机辅助骨科手术中骨骼检测的应用","authors":"Zian Fanti Gutiérrez, Alfonso Gastelum-Strozzi, E. Hazan-Lasri, F. Arámbula Cosio","doi":"10.22201/dgtic.26832968e.2021.4.5","DOIUrl":null,"url":null,"abstract":"En este trabajo presentamos la aplicación de un método de aprendizaje estadístico tomando como base el clasificador de Bayes, para detectar automáticamente la superficie de los huesos en imágenes de ultrasonido. La detección transoperatoria de los huesos del paciente permite el uso de modelos gráficos preoperatorios, de alta resolución, para guiar al cirujano durante la realización de un procedimiento ortopédico. Como caso de estudio reportamos el análisis de imágenes de ultrasonido y la construcción del modelo preoperatorio de la tibia. La distancia de error media, en la detección de automática de la superficie de la tibia, fue de 0.21 mm con una desviación estándar de 0.17 mm.","PeriodicalId":287597,"journal":{"name":"TIES, Revista de Tecnología e Innovación en Educación Superior","volume":"74 1","pages":"0"},"PeriodicalIF":0.0000,"publicationDate":"2021-05-01","publicationTypes":"Journal Article","fieldsOfStudy":null,"isOpenAccess":false,"openAccessPdf":"","citationCount":"0","resultStr":"{\"title\":\"Aprendizaje computacional aplicado a la detección de huesos, en cirugía ortopédica asistida por computadora\",\"authors\":\"Zian Fanti Gutiérrez, Alfonso Gastelum-Strozzi, E. Hazan-Lasri, F. Arámbula Cosio\",\"doi\":\"10.22201/dgtic.26832968e.2021.4.5\",\"DOIUrl\":null,\"url\":null,\"abstract\":\"En este trabajo presentamos la aplicación de un método de aprendizaje estadístico tomando como base el clasificador de Bayes, para detectar automáticamente la superficie de los huesos en imágenes de ultrasonido. La detección transoperatoria de los huesos del paciente permite el uso de modelos gráficos preoperatorios, de alta resolución, para guiar al cirujano durante la realización de un procedimiento ortopédico. Como caso de estudio reportamos el análisis de imágenes de ultrasonido y la construcción del modelo preoperatorio de la tibia. La distancia de error media, en la detección de automática de la superficie de la tibia, fue de 0.21 mm con una desviación estándar de 0.17 mm.\",\"PeriodicalId\":287597,\"journal\":{\"name\":\"TIES, Revista de Tecnología e Innovación en Educación Superior\",\"volume\":\"74 1\",\"pages\":\"0\"},\"PeriodicalIF\":0.0000,\"publicationDate\":\"2021-05-01\",\"publicationTypes\":\"Journal Article\",\"fieldsOfStudy\":null,\"isOpenAccess\":false,\"openAccessPdf\":\"\",\"citationCount\":\"0\",\"resultStr\":null,\"platform\":\"Semanticscholar\",\"paperid\":null,\"PeriodicalName\":\"TIES, Revista de Tecnología e Innovación en Educación Superior\",\"FirstCategoryId\":\"1085\",\"ListUrlMain\":\"https://doi.org/10.22201/dgtic.26832968e.2021.4.5\",\"RegionNum\":0,\"RegionCategory\":null,\"ArticlePicture\":[],\"TitleCN\":null,\"AbstractTextCN\":null,\"PMCID\":null,\"EPubDate\":\"\",\"PubModel\":\"\",\"JCR\":\"\",\"JCRName\":\"\",\"Score\":null,\"Total\":0}","platform":"Semanticscholar","paperid":null,"PeriodicalName":"TIES, Revista de Tecnología e Innovación en Educación Superior","FirstCategoryId":"1085","ListUrlMain":"https://doi.org/10.22201/dgtic.26832968e.2021.4.5","RegionNum":0,"RegionCategory":null,"ArticlePicture":[],"TitleCN":null,"AbstractTextCN":null,"PMCID":null,"EPubDate":"","PubModel":"","JCR":"","JCRName":"","Score":null,"Total":0}
Aprendizaje computacional aplicado a la detección de huesos, en cirugía ortopédica asistida por computadora
En este trabajo presentamos la aplicación de un método de aprendizaje estadístico tomando como base el clasificador de Bayes, para detectar automáticamente la superficie de los huesos en imágenes de ultrasonido. La detección transoperatoria de los huesos del paciente permite el uso de modelos gráficos preoperatorios, de alta resolución, para guiar al cirujano durante la realización de un procedimiento ortopédico. Como caso de estudio reportamos el análisis de imágenes de ultrasonido y la construcción del modelo preoperatorio de la tibia. La distancia de error media, en la detección de automática de la superficie de la tibia, fue de 0.21 mm con una desviación estándar de 0.17 mm.