利用随机森林模型预测股骨柄尺寸和兼容性，优化全髋关节置换术的术前规划

摘要

背景

术前规划对于全髋关节置换术（THA）后的最佳结果至关重要。在选择髋关节假体时，合适的假体尺寸及其与股骨尺寸的匹配性是防止假体远端固定所必需的。先前的研究提出了基于深度学习的模型，并结合图像识别技术来进行术前规划，以确定最合适的假体；然而，这些模型在尺寸和匹配性方面的优化程度尚不明确。本研究开发了一些方法，利用监督式机器学习模型帮助外科医生在术前规划中估算假体的尺寸和匹配性。

方法

本研究构建了两个随机森林（RF）模型，用于估算最适合的假体尺寸及其与股骨几何结构的匹配性。训练模型使用了320例患者髋关节CT图像中测得的10个位置的股骨尺寸数据。训练数据包括尺寸和匹配性信息，这些信息是由目前临床实践中用于确定最佳假体的模拟软件提供的目标变量。作为特征工程的一部分，从这10个测量值组合中得出的比率被用作学习数据。尺寸估算模型被设计为一个七类分类模型，而匹配性估算模型则是一个二元分类模型，用于预测假体是否能够完全适配股骨远端。这两个模型均使用109例接受THA手术的患者的数据进行了测试。模型性能通过准确率、F1分数、精确度和召回率进行评估，并通过特征重要性分析来确定各参数的影响。

结果

未包含比率信息的尺寸和匹配性估算模型的准确率分别为89.0%（完全匹配：46.8%）和85.3%。当加入比率信息后，模型的性能得到提升，尺寸估算的准确率提高到92.7%（完全匹配：39.4%），匹配性估算的准确率提高到87.2%。特征重要性分析表明，股骨远端髓腔直径对尺寸估算至关重要，而整体股骨尺寸对匹配性估算也非常重要。

结论

本研究开发了用于估算假体选择两个关键因素（尺寸和匹配性）的模型。这些模型可以辅助THA手术的术前规划，尤其是使用Accolade II假体时；尽管仍需进一步验证其适用于其他植入系统的可行性。