Published January 9, 2023
| Version v1
Publication
Open
3D reconstruction of proximal femoral fracture from biplanar radiographs with fractural representative learning
Creators
- 1. Chulalongkorn University
Description
A femoral fracture is a severe injury occurring in traumatic and pathologic causes. Diagnosis and Preoperative planning are indispensable procedures relying on preoperative radiographs such as X-ray and CT images. Nevertheless, CT imaging has a higher cost, radiation dose, and longer acquisition time than X-ray imaging. Thus, the fracture 3D reconstruction from X-ray images had been needed and remains a challenging problem, as well as a lack of dataset. This paper proposes a 3D proximal femoral fracture reconstruction from biplanar radiographs to improve the 3D visualization of bone fragments during preoperative planning. A novel Fracture Reconstruction Network (FracReconNet) is proposed to retrieve the femoral bone shape with fracture details, including the 3D Reconstruction Network (3DReconNet), novel Auxiliary class (AC), and Fractural augmentation (FA). The 3D reconstruction network applies a deep learning-based, fully Convolutional Network with Feature Pyramid Network architecture. Specifically, the auxiliary class is proposed, which refers to fracture representation. It encourages network learning to reconstruct the fracture. Since the samples are scarce to acquire, the fractural augmentation is invented to enlarge the fracture training samples and improve reconstruction accuracy. The evaluation of FracReconNet achieved a mIoU of 0.851 and mASSD of 0.906 mm. The proposed FracReconNet's results show fracture detail similar to the real fracture, while the 3DReconNet cannot offer.
Translated Descriptions
⚠️
This is an automatic machine translation with an accuracy of 90-95%
Translated Description (Arabic)
كسر الفخذ هو إصابة خطيرة تحدث لأسباب رضحية ومرضية. التشخيص والتخطيط قبل الجراحة هي إجراءات لا غنى عنها بالاعتماد على الصور الشعاعية قبل الجراحة مثل الأشعة السينية والأشعة المقطعية. ومع ذلك، فإن التصوير المقطعي المحوسب له تكلفة أعلى وجرعة إشعاعية ووقت اكتساب أطول من التصوير بالأشعة السينية. وبالتالي، كانت هناك حاجة إلى إعادة بناء الكسر ثلاثي الأبعاد من صور الأشعة السينية ولا تزال مشكلة صعبة، فضلاً عن نقص مجموعة البيانات. تقترح هذه الورقة إعادة بناء كسر الفخذ القريب ثلاثي الأبعاد من الصور الشعاعية ذات المستويين لتحسين التصور ثلاثي الأبعاد لشظايا العظام أثناء التخطيط قبل الجراحة. يُقترح إنشاء شبكة جديدة لإعادة بناء الكسور (FracReconNet) لاسترداد شكل عظم الفخذ مع تفاصيل الكسر، بما في ذلك شبكة إعادة البناء ثلاثية الأبعاد (3DReconNet)، والطبقة الإضافية الجديدة (AC)، والتكبير الصدعي (FA). تطبق شبكة إعادة الإعمار ثلاثية الأبعاد شبكة متداخلة بالكامل قائمة على التعلم العميق مع بنية الشبكة الهرمية المميزة. على وجه التحديد، يتم اقتراح الفئة المساعدة، والتي تشير إلى تمثيل الكسر. يشجع على تعلم الشبكة لإعادة بناء الكسر. نظرًا لندرة الحصول على العينات، تم اختراع التكبير الكسري لتكبير عينات تدريب الكسور وتحسين دقة إعادة البناء. حقق تقييم FracReconNet مليون وحدة دولية من 0.851 و mASSD من 0.906 مم. تُظهر نتائج FracReconNet المقترحة تفاصيل الكسر المشابهة للكسر الحقيقي، بينما لا يمكن لـ 3DReconNet تقديمها.Translated Description (French)
Une fracture fémorale est une blessure grave survenant dans des causes traumatiques et pathologiques. Le diagnostic et la planification préopératoire sont des procédures indispensables reposant sur des radiographies préopératoires telles que les radiographies et les images tomodensitométriques. Néanmoins, l'imagerie par tomodensitométrie a un coût, une dose de rayonnement et un temps d'acquisition plus élevés que l'imagerie par rayons X. Ainsi, la reconstruction 3D des fractures à partir d'images radiographiques avait été nécessaire et reste un problème difficile, ainsi qu'un manque d'ensemble de données. Cet article propose une reconstruction 3D de fracture fémorale proximale à partir de radiographies biplanaires pour améliorer la visualisation 3D de fragments osseux lors de la planification préopératoire. Un nouveau réseau de reconstruction de fracture (FracReconNet) est proposé pour récupérer la forme de l'os fémoral avec des détails de fracture, y compris le réseau de reconstruction 3D (3DReconNet), la nouvelle classe auxiliaire (AC) et l'augmentation fracturale (FA). Le réseau de reconstruction 3D applique un réseau entièrement convolutif basé sur l'apprentissage en profondeur avec une architecture de réseau à pyramide de fonctionnalités. Plus précisément, la classe auxiliaire est proposée, qui fait référence à la représentation des fractures. Il encourage l'apprentissage en réseau pour reconstruire la fracture. Comme les échantillons sont rares à acquérir, l'augmentation fracturale est inventée pour agrandir les échantillons d'entraînement à la fracture et améliorer la précision de la reconstruction. L'évaluation de FracReconNet a atteint un mIoU de 0,851 et un mASSD de 0,906 mm. Les résultats proposés par FracReconNet montrent des détails de fracture similaires à la fracture réelle, alors que le 3DReconNet ne peut pas offrir.Translated Description (Spanish)
Una fractura femoral es una lesión grave que ocurre por causas traumáticas y patológicas. El diagnóstico y la planificación preoperatoria son procedimientos indispensables que se basan en radiografías preoperatorias, como radiografías y tomografías computarizadas. Sin embargo, las imágenes de TC tienen un costo, una dosis de radiación y un tiempo de adquisición más altos que las imágenes de rayos X. Por lo tanto, la reconstrucción 3D de fracturas a partir de imágenes de rayos X había sido necesaria y sigue siendo un problema difícil, así como la falta de un conjunto de datos. Este artículo propone una reconstrucción de fractura femoral proximal 3D a partir de radiografías biplanares para mejorar la visualización 3D de fragmentos óseos durante la planificación preoperatoria. Se propone una nueva red de reconstrucción de fracturas (FracReconNet) para recuperar la forma del hueso femoral con detalles de fracturas, incluida la red de reconstrucción 3D (3DReconNet), la nueva clase auxiliar (AC) y el aumento fractural (FA). La red de reconstrucción 3D aplica una red totalmente convolucional basada en el aprendizaje profundo con arquitectura de red piramidal de características. Específicamente, se propone la clase auxiliar, que se refiere a la representación de la fractura. Fomenta el aprendizaje en red para reconstruir la fractura. Dado que las muestras son escasas de adquirir, el aumento fractural se inventa para ampliar las muestras de entrenamiento de fracturas y mejorar la precisión de la reconstrucción. La evaluación de FracReconNet logró un mIoU de 0.851 y mASSD de 0.906 mm. Los resultados de FracReconNet propuestos muestran un detalle de fractura similar a la fractura real, mientras que 3DReconNet no puede ofrecer.Files
s41598-023-27607-2.pdf.pdf
Files
(2.2 MB)
| Name | Size | Download all |
|---|---|---|
|
md5:cd0a2ebccb32e8acab09cf05873bbb41
|
2.2 MB | Preview Download |
Additional details
Additional titles
- Translated title (Arabic)
- إعادة بناء ثلاثية الأبعاد لكسر الفخذ الداني من الصور الشعاعية ذات المستويين مع التعلم التمثيلي الكسري
- Translated title (French)
- Reconstruction 3D de la fracture fémorale proximale à partir de radiographies biplanaires avec apprentissage représentatif fractural
- Translated title (Spanish)
- Reconstrucción 3D de fractura femoral proximal a partir de radiografías biplanares con aprendizaje representativo fractural
Identifiers
- Other
- https://openalex.org/W4313837337
- DOI
- 10.1038/s41598-023-27607-2
References
- https://openalex.org/W1515702051
- https://openalex.org/W1671581609
- https://openalex.org/W2011614079
- https://openalex.org/W2013843512
- https://openalex.org/W2039445739
- https://openalex.org/W2096870451
- https://openalex.org/W2104276184
- https://openalex.org/W2120687386
- https://openalex.org/W2141961390
- https://openalex.org/W2169552569
- https://openalex.org/W2181442174
- https://openalex.org/W2189154881
- https://openalex.org/W2395611524
- https://openalex.org/W2464708700
- https://openalex.org/W2565639579
- https://openalex.org/W2777366205
- https://openalex.org/W2789806011
- https://openalex.org/W2804460770
- https://openalex.org/W2805658037
- https://openalex.org/W2884561390
- https://openalex.org/W2897453080
- https://openalex.org/W2912681443
- https://openalex.org/W2954924396
- https://openalex.org/W2954996726
- https://openalex.org/W2963351448
- https://openalex.org/W2963420272
- https://openalex.org/W2963446712
- https://openalex.org/W2965761874
- https://openalex.org/W2991714820
- https://openalex.org/W3010014003
- https://openalex.org/W3023371261
- https://openalex.org/W3034329928
- https://openalex.org/W3044437770
- https://openalex.org/W3048359202
- https://openalex.org/W3176923149