数据收集与分组
建立用于模型训练和验证的样本数据集
回顾性收集110例腰椎CT扫描患者的影像与临床数据，根据年龄和骨密度分为内部训练验证集（50例正常骨量年轻患者）和外部测试集（60例，分为年轻正常骨、年长正常骨和年长骨丢失三组）。
关于丁香通
公司信息
个人用户
企业机构
无忧采购 轻松科研
- 移动端
基于迭代最近点配准和加权K近邻算法的皮质骨与椎弓根螺钉技术计算机辅助螺钉轨迹规划模型的开发与验证
Development and Validation of a Computer-Assisted Screw Trajectory Planning Model Based on Iterative Closest Point Registration and Weighted K-Nearest Neighbors Algorithms for Cortical Bone and Pedicle Screw Techniques
实验完整度
高研究包含多层级验证：内部训练与外部测试集、多种螺钉轨迹规划、六参数几何偏差定量评估、HU值测定、分级评估螺钉准确率，且包含模型泛化性检验。
主要模型
L4-L5椎体三维模型（来自110例患者CT数据） 内部训练集（50例年轻正常骨密度患者） 外部测试集（60例，分为年轻正常骨、年长正常骨和年长骨丢失亚组）
重点核对
患者来源：单中心，110例腰椎CT扫描，内部50例20-40岁正常骨密度，外部60例按年龄和骨密度分层 螺钉规格：PS（直径6.0 mm，长度45 mm），CBT（直径4.5 mm，长度35 mm），MCBT（直径4.5 mm，长度40 mm） 规划参数：PS矢状角0°-30°，横断面角5°-15°；CBT矢状角8°-9°，横断面角25°-26°；MCBT矢状角22°，横断面角20°-30° 评估指标：六参数偏差（矢状倾斜、轴向倾斜、螺钉头、进钉点、椎弓根交叉点、尖端）和HU值 外部验证：720颗螺钉（PS、CBT、MCBT各240颗），按骨密度分组比较，并使用Ding等人分级进行定性评估
摘要
研究设计：回顾性研究。目的：开发并验证一种计算机辅助螺钉轨迹规划模型，以支持改良皮质骨轨迹（MCBT）、皮质骨轨迹（CBT）和椎弓根螺钉（PS）技术，基于迭代最近点（ICP）配准和加权k近邻（kNN）算法。方法：分析了110例接受腰椎手术患者的CT数据，包括内部组（50例骨密度正常的年轻患者）和外部组（60例，包括有无骨量丢失的年轻和年长个体）。使用Mimics 21.0重建L4-L5节段。两名外科医生在内部组中双侧手动规划MCBT、CBT和PS轨迹，作为参考标准。使用ICP配准和加权kNN开发了个性化计算机辅助螺钉规划模型，其中模板库由手动生成的螺钉计划组成。通过将算法生成的螺钉轨迹与专家手动规划的轨迹进行比较，评估准确性，计算矢状面倾斜角（α）、轴状面倾斜角（β）、螺钉头部、椎弓根进钉点、椎弓根交叉点和螺钉尖端的偏差。还测量了沿螺钉轨迹的Hounsfield单位（HU）值。结果：在外部组（共720颗螺钉：240颗PS、240颗CBT、240颗MCBT）中，CBT的偏差为矢状面倾斜角（α）4.117（2.028, 7.251）°，轴状面倾斜角（β）3.714（1.901, 6.316）°，螺钉头部3.382（2.514, 4.803）mm，椎弓根进钉点3.0（1.999, 4.149）mm，椎弓根交叉点1.511（1.008, 2.443）mm，螺钉尖端3.586（2.465, 4.542）mm。MCBT的偏差分别为4.865（2.126, 7.547）°、3.801（1.658, 6.147）°、4.153（3.14, 5.658）mm、3.818（2.43, 6.209）mm、1.545（1.061, 2.222）mm、3.777（2.768, 5.241）mm。年轻正常骨组PS的计算接受率为97.06%（HU：238.4±67.71），年长正常骨组为92.71%（173.6±53.83），年长骨丢失组为97.37%（113.3±58.68）。CBT的接受率分别为100%（477.2±168.6 HU）、100%（338.5±125.8 HU）和100%（178.1±99.75 HU）。MCBT的接受率分别为100%（475.8±131 HU）、98.96%（376.8±104.9 HU）和97.37%（213.4±106 HU）。MCBT和CBT的HU值显著高于PS（P < 0.05）。结论：基于ICP配准和加权kNN的规划模型显示出较高的计算接受率，并且在规划皮质骨螺钉轨迹方面表现出色，具有低突破率和高HU值。
实验结论
提炼研究问题、关键发现与证据，快速把握文章的核心贡献。
- 研究问题
- 本研究旨在开发并验证一种基于ICP配准和加权kNN的统一计算机辅助规划模型，能否支持腰椎PS、CBT和MCBT三种内固定技术的个性化螺钉轨迹规划。
- 核心机制
- 模型通过ICP进行粗配准以标准化椎体形态，加权kNN根据Hausdorff距离从模板库转移个性化轨迹参数，并集成碰撞检测算法自动调整轨迹以确保解剖安全，从而生成高皮质骨接触、高HU值的螺钉轨迹。
- 主要证据
- 基于110例患者CT数据（内外部验证集共1320颗螺钉），通过六参数偏差定量评估（如外部验证CBTα偏差4.117°、MCBTα偏差4.865°）和HU值分析（如骨丢失组CBT HU 178.1±99.75，MCBT 213.4±106，均显著高于PS 113.3±58.68），并结合Ding等人分级显示高接受率（如CBT各亚组均为100%，MCBT≥97%）。
- 研究意义
- 该研究提出并验证了首个同时支持PS、CBT和MCBT规划的基于ICP和加权kNN的统一框架，具有可解释性、标注高效和对骨质量异质性鲁棒的优势，为MCBT等新兴技术提供术前规划工具，但需前瞻性研究进一步验证其对手术执行和长期临床结局的影响。
研究路径
按研究推进顺序梳理实验设计、验证步骤与关键观察。
三维重建与手动规划参考标准
获取高质量的专家手动轨迹作为参考标准与训练模板
将CT数据导入Mimics 21.0，按制定的阈值和手动编辑流程重建L4-L5椎体模型。两名资深脊柱外科医生在50个内部L4-L5模型上双侧手动规划PS、CBT和MCBT螺钉轨迹，遵循预定义规划标准。
构建自动规划模型
建立基于ICP和加权kNN的个性化轨迹规划算法模型
将手动规划的螺钉轨迹参数化（中点坐标、方向向量），划分为训练集和评估集（7:3）。对目标椎体与模板库中每个训练椎体使用ICP进行刚性配准，计算Hausdorff距离作为相似性度量。应用加权kNN，选择K个最近模板并计算权重，最终预测轨迹参数，并通过碰撞检测算法自动调整以避免皮质破坏。
模型内部验证
评估模型在训练集上的准确性和安全性
在内部数据集（共600颗螺钉）中，比较算法生成轨迹与专家手动轨迹的六参数偏差，并进行定性分级评估。
外部验证
评估模型在不同年龄和骨质量患者上的泛化性和稳定性
在外部数据集（共720颗螺钉）上重复六参数偏差和HU值评估，并与内部数据集进行比较，分析不同骨密度亚组间的偏差差异。
基于HU值的骨密度评估
比较三种内固定技术的螺钉轨迹局部骨密度差异，以反映生物力学优势
沿计算机生成的螺钉轨迹中心线采样HU值，计算平均值和标准差，并比较三种技术间以及不同骨密度亚组间的差异。
研究方法
按研究目的归类文中使用的方法，便于定位所需技术。
产品清单
| 实验环节 | 名称 | 品牌 | 货号 |
|---|---|---|---|
| 三维重建 | Mimics 21.0 | Materialise NV, Belgium | -- |
| 统计分析 | GraphPad Prism 10 | GraphPad Software, San Diego, CA, USA | -- |
| 定性评估 | MeshLab | -- | -- |
关键环节
汇总复现实验时建议重点确认的条件及原文阅读提示。
| 环节 | 核对要点 |
|---|---|
| 数据收集与分组 | 患者来源、纳入排除标准、分组依据（年龄与骨密度分层） 阅读提示：Methods 2.1 Patient Selection |
| 三维重建 | CT扫描参数（层厚1.0或1.5mm）、重建阈值（HU 226-3000）、Mimics软件版本及后处理流程 阅读提示：Methods 2.2 Development of an Intact L4-L5 Finite Element Model |
| 手动规划参考标准 | 螺钉规格（直径与长度）、进钉点、矢状角和横断面角规划标准 阅读提示：Methods 2.3 Expert Manual Screw-Trajectory Planning |
| 模型构建与验证 | 训练集与评估集比例、最优K值、相似性度量（Hausdorff距离）等 阅读提示：Methods 2.4 Development of a Computer-Assisted Screw-Trajectory-Planning Model |
| 轨迹偏差评估 | 六参数偏差的定义和测量方法 阅读提示：Methods 2.5 Evaluation of Trajectory Deviations |
| HU值评估 | HU采样方法、轨迹中心线提取方式 阅读提示：Methods 2.6 Hounsfield Unit (HU) Assessment |
| 统计分析 | 统计检验方法的选择（正态性检验、组间比较等） 阅读提示：Section 3 Statistical Analysis |