稀疏表示为不同的脊椎动物分类沿着椎弓根螺钉固定的轨迹

文摘

椎弓根螺钉(PS)植入术是一种理想的方法治疗严重的多级脊椎不稳定。问题的关键是PS固定的准确性。本文沿着固定的轨迹不同组织的光谱研究了PS来解决精度问题。新鲜猪椎骨、牛椎骨和绵羊的椎骨测量用近红外光谱(NIRs)设备来获取这些椎骨的反射光谱。PS沿着固定的轨迹,基于稀疏表示的分类方法分类器(SRC)应用于不同椎组织(皮质骨和松质骨)。考虑到大量的光谱数据,稀疏保持投影(SPP)应用于提高SRC的性能。该方法基于SPP降维方法和SRC的组织识别方法最初是用于脊椎分类和显示性能优越与其他分类方法,如支持向量机和神经网络。从这个项目中获得的结果是至关重要的重要的高科技医疗器械的发展拥有自主知识产权。

1。介绍

椎弓根螺钉(PS)植入术是一种理想的方法治疗严重的多级脊椎不稳定(1- - - - - -4]。准确放置PS有效PS固定是非常重要的,这引起了广泛的兴趣,增加组织识别的准确性和PS位置(5- - - - - -8]。现在术后计算机断层扫描(CT)扫描成为PS的临床评分标准位置和组织识别(9,10]。但是,它不适用在手术过程中实时监控方法。相反,x射线透视可以实现实时监控(11- - - - - -13),但高辐射剂量的外科医生,通常需要多个扫描限制其使用。

在先前的研究中,我们提出了徒手钻井探针的设计和实现以及光谱测量系统在体外评估模式的光学反射(14,15]。基于这个设备,我们已经找到了一些方法来探索不同组织的猪椎骨PS固定轨迹,通过比较特定区域和反射光谱的峰值。然而,这些方法有一些缺点,不能避免的。摘要备用表示分类器(SRC)首次申请组织光学反射率光谱识别(16]。与其他方法相比,该方法不需要提取的特征区域,峰值和光谱的形状。因此,降低了计算复杂度和鲁棒性和实时自动识别的性能改善。

最近,SRC于2008年首次提出,已应用于人脸识别,进一步扩展到癌症分类(17- - - - - -19]。SRC杨等人研究的深入,其有效性提供了一些理论支持(20.]。一种新的SRC方法提出了彭et al .,和得到更好的表示系数向量21]。后,SRC-steered区别的投影(SRC-DP)方法已经提出了分类(22]。他们已经证明了SRC可以描述当地的关系数据。之后,自适应类保护表示分类(ACPRC)提出了基于SRC (23]。然而,SRC结构所有训练图像冗余字典,和冗余字典的大小是非常大的,这使得SRC耗时的稀疏解。考虑到大量的光谱数据,稀疏保持投影(SPP)应用于提高SRC的性能(24,25),这是乔提出的,它具有更高的分类精度比PCA和肺水肿(26]。太阳等人研究了小说监督学习方法,名叫监督稀疏保持投影(SSPP)和使用它在人脸识别27]。

受这些有意义的作品,我们提出了一个椎光谱数据分类算法结合SPP降维,SRC组织认可。具体来说,从各种动物椎骨骼光谱相似的立场沿轨迹进行调查,包括新鲜的猪椎骨、椎骨牛和绵羊的椎骨。相同的解剖椎地区显示出类似的反射光谱中不同的动物。然后,SPP的方法被用来减少光谱的维度,和SRC用于不同动物PS的椎骨沿着固定的轨迹识别。最后,其他分类方法被应用,相比之下,我们的方法。据我们所知,这是第一次报告的一个简单、准确、灵敏的方法基于光学反射率光谱采集的光谱测量系统监控PS在固定。

2。材料和方法

2.1。仪器

光谱测量实验系统如图1由HL2000-HP-FHSA光源(海洋光学)、徒手钻探调查,USB2000光纤光谱仪(海洋光学波长控制从200纳米到1100纳米),和一个计算工作站(16]。白手起家的徒手钻探针持有人有一个直径5毫米,和两个光纤直径为200μ米每被用于光学传输和采集,分别。

数据采集、扫描转换和实时显示被处死在商业虚拟仪器接口软件2帧每秒(国家仪器,奥斯汀,TX)。每个测量显示,光学反射光谱的波长范围200 - 1100 nm。分析了虚拟仪器利用定制软件和Matlab(数学著作,纳蒂克,MA)。

在频谱的计算,原始光谱校准R= (raw-dark) / (reference-dark)。参考光学反射率数据被从标准反射板(WS-1、海洋光学公司,但尼丁,FL),而源光。默认的假设的董事会参考等于100%反射的波长范围250 - 2500 nm。黑暗的光反射信号由于系统的随机噪声被关掉了所有的灯,覆盖整个模型。原始光学反射率数据获得通过将OHDP表面的脊椎骨头。背景信号减去从实测原始光谱和参考。

2.2。椎骨骼实验

人类的脊椎是猪的相似,特别是在T6和T10 [25,26]。我们选择这个实验猪椎骨。在这项研究中,10个新鲜成熟的猪椎骨骼权重38-45公斤。椎骨骼都仔细清洗掉所有软组织,除了骨膜,如图2。

简单,光线产生的光谱分为三个步骤:首先,猪椎骨标本从轴面切成两半。PS的首选轨迹是猪脊椎的表面的部分。轨迹的长度范围从22到35毫米。9个采样点的轨迹线。它们之间的距离是5毫米。第二,光学探针在每个采样点,如图2 (b)。为了消除波动,30光谱被记录并存储为每个点。积分时间是100 ms,每个光学反射率光谱由2048像素。

在牛脊椎实验中,新鲜成熟的牛脊椎骨骼加权300 - 350公斤。椎骨骼都仔细清洗。光光谱中三步过程,这是类似于猪椎实验中的步骤。多个采样点选择与一个8毫米每两个之间的距离,由于大量牛脊椎。

绵羊的脊椎实验也包含10个新鲜成熟的绵羊的脊椎骨骼加权70 - 80公斤。脊椎骨头仔细清理掉所有软组织,如图2 (e)。羊的脊椎骨的体积小于猪和牛的椎骨。因此,选择采样点每两个之间最近的距离。其他实验步骤类似于猪的椎骨实验。

统计分析是由学生的t以及。为了确定两组之间的差异的重要性,选择95%置信水平。如果值小于0.05,这是一个显著差异。

2.3。基于SRC的分类方法

脊椎向量得到和归一化后,SRC是用来区分不同的骨骼组织。基于该算法,SPP构造一组相邻数据权重矩阵,然后预测样本的低维子空间重建保存最好的关系。在这里,我们简要介绍了SRC算法分类和SPP对数据降维算法。

假设 被认为是一个训练样本集,在哪里c是指子类个数,米表示维数,n表示样本数量。的我^th类的训练样本X_我可以用作 和我= 1、2、3、…c,在那里X_我,j代表一个样本我^th类和n_j对应于我^th类训练样本数量。是指的一个测试样本。最后,可以显示在SRC问题以下方程: 在哪里包含了SR系数y关于X,代表一个小正的常数。然后,测试样本y基于SRC方法,我们指定一个标签所示以下方程: 在哪里表示SR系数subvector子类X_我。分类规则中设置以下方程:

基于上述讨论,我们总结了SRC算法如下:步骤1。规范化的列X有单位l₂规范和代码y在X通过l₁最小化使用方程(1)步骤2。计算残差根据方程(2)步骤3。输出的身份y使用方程(3)

假设 是训练样本集,c是指子类个数,米维度,n是样品的数字。首先,SPP的版本获得每个样本的SR系数向量X_我通过求解一个修改问题: 在哪里是n维向量的系数我^th元素等于零(暗示X_我从X),是约束残值。所有最优稀疏重建系数向量从矩阵稀疏的重量吗 ,特征的稀疏重建样本之间的关系。

第二,SPP寻求预测,这使得保护最好的稀疏重建关系,通过求解优化问题如下: 在哪里X是一个矩阵的字典训练样本和是投影矩阵。方程的问题(5)可以解决基于以下方程:

相对应的特征向量的投影矩阵是由最大d在选择特征值方程(6)。然后,训练样本和测试样本都投射在投影矩阵,以减少尺寸,最后进行分类和识别。

基于上述讨论,我们总结了SPP算法如下:步骤1。构造权重矩阵使用方程(4)。步骤2。计算投影向量根据方程(6)。同时,最大相对应的特征向量d特征值跨度的最佳子空间。

3所示。结果

各种脊椎组织的分类基于SRC和SPP算法。来验证该算法的有效性,与其他算法相比,该算法。首先,识别不同的光谱数据的准确性基于相同的动物或组织进行了比较。第二,SPP被用作预处理程序对任何典型的分类器,包括SRC、支持向量机和1神经网络。基于不同分类器的识别精度进行了比较。2013年Matlab实验样本测试和运行在PC (2.50 GHz CPU、英特尔Core2双核2 GB RAM)。

3.1。原始频谱

图3显示了光谱的表征与9个采样点沿着轨迹从一个骨预处理后的三种动物物种。每个光谱曲线代表一个采样点的价值在一个动物脊椎。点1和点9在皮质骨和松质骨点2 - 8。9点1和点的值在皮质骨都是不同于那些在松质骨。点的值1和9比2 - 8图的点3(一个)。然而,点1和9的值小于分2 - 8的数字3 (b)和3 (c)。

3.2。不同的光谱数据组的结果

摘要光谱数据库包含实验数据对脊椎组织的三种动物。具体地说,猪椎数据被定义为组1,牛椎数据被定义为组2,绵羊的椎数据被定义为组3。每组包含80个样本,每个样本包含10光谱。此外,皮质骨数据定义为A组,和松质骨的数据被定义为b组每组包含120个样本,每个样本包含10光谱。总共有5组实验后作为分类器的输入数据降维。实验组包含40个样本,如组1 a和1 b组,并且每个示例包含10光谱。

在每个试验中,一半的样本用于训练,剩下的被用作测试样品。实验重复10次。识别精度计算,如表所示1。对于不同的实验组,每组,识别率是不同的。

3.3。基于不同的分类结果

在这个实验中,不同的分类器应用,包括SPP + SRC, SPP + 1 nn, SPP +支持向量机,三个实验小组被用作这些分类器的输入。实验组包含80个样本,如1组和2组,每个样本包含10光谱。训练样本选择的一半,剩下的在每个实验样本用于测试。实验重复10次。平均识别精度计算,如表所示2。该算法的识别率高于其他算法。

4所示。讨论

在PS固定,手术的效果有两个主要问题(28]。第一个是传统的尖端仪器打破骨的边界(皮质骨)和损害周围器官的病人。第二个是螺丝不是放置在固定的确切位置和稳定性不强。最理想的位置是接洽,通过拱的松质骨螺钉放置到尖到达皮质骨。在先前的研究中,该方法基于光谱和针状的调查提出了一种新的方式来克服这两个问题最程度上,这是在当地骨反射光谱的原则。

在这项研究中,不同的动物骨骼被用于实验,包括猪椎、牛脊椎和绵羊的脊椎。测量设备提出了部分表面获取原始频谱。我们获得了不同动物椎光谱根据9个采样点沿着轨迹。在图3,每个光谱曲线代表一个不同的采样点在一个动物脊椎。9点1和点在皮质骨和松质骨点2 - 8。结果表明,9点1和点的值在皮质骨都是不同于那些在松质骨。在不同的动物实验,点1和9的值相比2到8点。我们发现一些值的点1和9大但有些不是。这意味着松质骨和皮质骨的光谱形状相似但不同的值。造成这个结果的原因是,不同的脊椎有不同的结构。这是第一次搜索椎光谱的差异不同的动物物种。

在这项研究中,使用近红外光谱,这将不是唯一的方法。另一个光学光谱也被用于临床和基础研究关于椎29日]。例如,软骨、软骨下骨和松质骨可以检查通过使用光纤拉曼光谱仪。在文献中报道,不同光信号可以提供一些关于骨骼结构和组成的信息,例如骨矿物结晶度和组织密度。在这项研究中,松质骨和皮质的不同矿物结晶度和密度。近红外光谱特征将根据不同的领域不同的动物实验。

分类部分,不同的脊椎组织识别方法提出了基于SPP算法。研究表明,如果使用SRC,分类性能最重要的特性将收敛特征维度的增加(30.,31日]。即使如此,有效的特征提取是仍然非常重要,因为分类算法可以变得简单和容易处理。为实际光谱数据识别,少量的表示特性是可取的,因为它可以减少存储需求和提高分类效率。因此,SPP是用于实现少量的表示特性来实现更好的性能(32]。该算法首先构造邻接矩阵的重量数据集基于一种改进的SR框架,然后评估数据的低维嵌入保持最优权重矩阵。尽管SPP本质上是一个全球的方法,它有一些局部属性由于其稀疏表示的过程,实验结果如图所示。

应该是一种好方法应用于大型数据准确性验证基于事实。首先,不同的光谱数据组的输入分类器,结果如表所示1。基于相同的分类方法、皮质骨和松质骨猪椎骨(组1 a和1 b)最高识别率和皮质骨和松质骨的牛椎骨(集团3和3 b)最低的识别率。这些结果表明,皮质骨和松质骨猪椎骨基于光谱有很大的不同。这个实验的结果可能表明猪椎骨有稳定的骨骼结构和大骨结构差异。此外,三个动物皮质骨的识别率(组1、2和3)高于三个动物的松质骨(b组1、2 b和3 b)。这些结果表明,几乎没有相同类型的骨骼结构的差异对不同动物物种和松质骨的结构差异小。

第二,不同的算法基于SPP被用来识别不同的组织在猪,牛,绵羊的脊椎骨骼。与1神经网络和支持向量机分类器相比,基于该方法的SRC执行期间更好的组织分类。分类精度的比较我们的结果与以前的工作表2。实验结果表明,该方法平均准确率达到86%,高于其他方法。我们的研究结果表明,SRC解决外部干扰因素对识别的影响,提高了识别的鲁棒性,提高了识别率。此外,PCA和肺水肿被用作不同的数据降维方法。结果表明SPP可以更方便地用于实践,具有较高的准确性和SRC PCA + SRC(平均识别率为75%和肺水肿+ SRC为75%),这是在良好的协议与33]。

本文提供了一个脊椎组织协助外科手术的分类方法。这种方法能有效区分不同组织PS植入路径,它也可以区分不同的动物骨骼组织。然而,每种方法都有自己的优点和在不同的情况下扮演不同。对于应用程序,必须有高灵敏度的方法,应该是实时的,是准确的。有两件事应该做验证,验证此方法:首先,样本数量需要增加,需要更多的计算方法改进和测试;第二,实时和准确的获取所需的手术。在后续工作中,我们将努力克服这些限制使用其他检测方法和相关信息整合到分类或降维算法来改善其性能。

5。结论

在这项研究中,检测光纤探测器是用来监控组织沿着PS位置轨迹特征光谱在各种脊椎动物骨骼。然后,我们调查了近红外光谱和区分不同组织沿着固定的轨迹的PS基于SRC。这个项目的主要研究内容包括以下:(1)我们测量的光谱组织在椎弓根螺钉的轨迹上。新鲜猪椎骨、牛椎骨和绵羊的椎骨被用于实验。(2)该方法基于SPP降维方法和SRC的组织识别方法用于脊椎分类和显示性能优越。

从这个项目中获得的结果是至关重要的重要的高科技医疗器械的发展拥有自主知识产权。

数据可用性

光谱数据用于支持本研究的发现部分包含在文件的补充信息。基于这些数据的研究仍在进行,和所有的光谱数据不能透露,直到完成研究。

的利益冲突

作者宣称没有利益冲突有关的出版。

确认

这项工作是由南京理工学院高水平人才引进研究基金(YKJ201862和YKT201866)、国家重大科学仪器设备开发项目由中国国家自然科学基金资助(81827803和81827803),国家自然科学基金(61875085和61875085),江苏省自然科学基金(BK20160814)和江苏科技支持计划(社会发展)(BE2016759)。

补充材料

这些数据分为六类。具体地说,猪椎数据被定义为组1,牛椎数据被定义为组2,绵羊的椎数据被定义为组3。此外,皮质骨数据被定义为A组和松质骨数据被定义为B组。(补充材料)

引用

1. 想一想j . m .迪尼斯那样不知满足、和r . v . Botelho”融合和脊柱固定胸腰椎爆裂骨折治疗的必要吗?系统回顾和荟萃分析脊柱神经外科杂志》,27卷,不。5,页1 - 9,2017。视图:出版商的网站|谷歌学术搜索
2. k . Matsukawa y Yato, r·a·海因斯et al .,“骨密质:轨道胸椎椎弓根螺钉技术的注意,“临床脊柱外科,30卷,不。5,497 - 504年,2017页。视图:出版商的网站|谷歌学术搜索
3. o . l . Ulusoy s Kahraman i Karalok et al .,“肺栓塞后水泥cement-augmented有窗的椎弓根螺钉固定在成人脊柱畸形患者严重的骨质疏松症(分析2978有孔的螺丝),“欧洲脊柱杂志》,27卷,不。9日,第2356 - 2348页,2018年。视图:出版商的网站|谷歌学术搜索
4. k . Panagiotis m·伊娃s Vasileios et al .,“经皮注射含有锶羟磷灰石与聚甲基丙烯酸酯+短音段椎弓根螺钉固定骨折创伤A2和A3 / AO-type在成人中,“整形外科的进步卷,2018篇文章ID 6365472、8页,2018。视图:出版商的网站|谷歌学术搜索
5. a . h . s . Al m . a . Sabbahi h . n . Alrowayeh et Al .,“肌股四头肌肌肉活动期间sit-to-stand单侧膝关节骨关节炎患者,”BMC研究笔记,11卷,不。1,第361 - 356页,2018。视图:出版商的网站|谷歌学术搜索
6. j·m·贝克曼·g·穆雷,英国巴赫,a . Deukmedjian和j·s·乌里韦,“经皮微创(mis)指导wire-less胸椎和腰椎的椎弓根螺钉自攻:安全性和初步临床经验:技术报告,“手术神经外科,11卷,不。4、530 - 536年,2015页。视图:出版商的网站|谷歌学术搜索
7. Saarenpaa, t·莱恩j .差距j .差距et al .,“837年退行性腰椎椎弓根螺钉的位置精度与传统开放手术由计算机断层扫描评估”Acta Neurochirurgica,卷159,不。10日,2011 - 2017年,2017页。视图:出版商的网站|谷歌学术搜索
8. k·f·索兰托,j·n·温斯坦·d·斯宾格勒,c .砖和s·里德,“脊柱椎弓根固定:roentgenogram-based信度和效度的评估和手术因素对成功的螺钉位置,”脊柱,13卷,不。9日,第1018 - 1012页,1988年。视图:出版商的网站|谷歌学术搜索
9. a . f . Jr t·l·汤普森美国坎贝尔et al .,“使用术中isocentric c臂六分仪经皮椎弓根螺钉3 d透视:病例报告和文献之回顾,“脊柱日报,5卷,不。3、339 - 343年,2005页。视图:出版商的网站|谷歌学术搜索
10. s . Rajasekaran s位,和a·谢蒂“术中对椎弓根螺钉iso-c3d导航仪器的刽子手的骨折:一个案例报告,“矫形外科杂志》,15卷,不。1,第77 - 73页,2007。视图:出版商的网站|谷歌学术搜索
11. k . Kotil t .舱底,“在脊柱椎弓根和大规模螺钉的准确性没有使用透视:前瞻性临床研究,“脊柱日报,8卷,不。4、591 - 596年,2008页。视图:出版商的网站|谷歌学术搜索
12. b . g . Ochs c . Gonser t Shiozawa et al .,“计算机辅助periacetabular螺钉位置:比较不同fluoroscopy-based导航程序与传统技术,”受伤第41卷。。12日,第1305 - 1297页,2010年。视图:出版商的网站|谷歌学术搜索
13. a . Onibokun l·t·邱,s . Bistazzoni“颈椎椎弓根螺钉插入的解剖因素:资源的使用电脑断层摄影术测量连续122年临床病例,”脊柱杂志,9卷,不。49岁,729 - 734年,2009页。视图:出版商的网站|谷歌学术搜索
14. h . y . w . Li Liu太阳et al .,“监控减少散射系数在椎弓根螺钉插入使用近红外光谱轨迹,“医学和生物工程和计算,54卷,不。10、1 - 7,2015页。视图:出版商的网站|谷歌学术搜索
15. w·李、刘y和z钱,“光学探测器的探测深度的确定椎弓根螺钉测量装置,”生物医学工程在线,13卷,不。1,第160 - 148页,2014。视图:出版商的网站|谷歌学术搜索
16. 韦弗和n斋藤”,提高稀疏表示分类使用当地的主成分分析,“计算智能模式识别卷,777年,第206 - 165页,2018年。视图:出版商的网站|谷歌学术搜索
17. j·赖特,“基于稀疏表示的人脸识别,”IEEE模式分析与机器智能没有,卷。31日。2、210 - 227年,2008页。视图:出版商的网站|谷歌学术搜索
18. j .温y, z .妈,和徐y, z . Li”类的基于稀疏有识别力的最小二乘回归,”神经网络卷。102年,36-47,2018页。视图:出版商的网站|谷歌学术搜索
19. t . Liu J.-X。Mi、刘y和c·李”,通过稀疏促进表示的人脸识别,”Neurocomputing,卷214,不。2、944 - 957年,2016页。视图:出版商的网站|谷歌学术搜索
20. l . j .杨张、徐y和J.-Y。杨,“除了稀疏:L1-optimizer在模式分类的作用,“模式识别,45卷,不。3、1104 - 1118年,2012页。视图:出版商的网站|谷歌学术搜索
21. p .海滨住宅l . Lingjun l .石岗et al .,“扩展的稀疏表示人脸识别分类方法,”机器视觉和应用程序卷,29号6,991 - 1007年,2018页。视图:出版商的网站|谷歌学术搜索
22. j .杨d·楚l . Zhang y,和j·杨,“稀疏表示分类器将有识别力的投影应用人脸识别,”IEEE神经网络和学习系统,24卷,不。7,1023 - 1035年,2013页。视图:出版商的网站|谷歌学术搜索
23. j . Mi、问:傅和w·李,“适应性类保护表示图像分类,”学报2017年IEEE计算机视觉与模式识别会议(CVPR)火奴鲁鲁,嗨,美国,2017年7月。视图:出版商的网站|谷歌学术搜索
24. 张h . y . Wang, f·杨,“加权稀疏neighbourhood-preserving预测人脸识别。”IETE杂志》上的研究,卷63,不。3、1 - 10,2017页。视图:出版商的网站|谷歌学术搜索
25. z, k .沛沛f .小赵et al .,“联合稀疏表示和保局投影特征提取,”国际期刊的机器学习和控制论,10卷,不。7,1731 - 1745年,2019页。视图:出版商的网站|谷歌学术搜索
26. l·乔,s·陈,x Tan“稀疏保持投影与人脸识别应用程序”,模式识别,43卷,不。1,第341 - 331页,2010。视图:出版商的网站|谷歌学术搜索
27. y太阳,j .赵,y,“监督稀疏保持投影的人脸识别,”学报学报,卷8009,不。4、357 - 366年,2011页。视图:谷歌学术搜索
28. a t m . Heintel s Dannigkeit芬威克et al .,“如何安全微创椎弓根螺钉治疗胸腰椎脊柱骨折?”欧洲脊柱杂志》,26卷,不。5,页1 - 10,2016。视图:出版商的网站|谷歌学术搜索
29. c·d·c·a·洛佩斯p h . j . o . Limirio v . r . Novais et al .,“傅里叶变换红外光谱(FTIR)应用化学表征釉质、牙和骨骼,”应用光谱学评论,53卷,不。3、1、2018页。视图:出版商的网站|谷歌学术搜索
30. x唐、g .冯和j . Cai”加权undersampled稀疏表示的人脸识别,”Neurocomputing卷,145年,第415 - 402页,2014年。视图:出版商的网站|谷歌学术搜索
31. y, z中,j·杨,j .你和d·张,“一个新的区别的稀疏表示的人脸识别方法通过美元l_{2} $正规化,”IEEE神经网络和学习系统,28卷,不。10日,2233 - 2242年,2017页。视图:出版商的网站|谷歌学术搜索
32. z z,邓,王y, y,“通过内核稀疏表示,降维”计算机科学的前沿,8卷,不。5,807 - 815年,2014页。视图:出版商的网站|谷歌学术搜索
33. 问:骊山,s·陈,x,稀疏保持投影与人脸识别应用程序,爱思唯尔科学公司,荷兰阿姆斯特丹,2010年。

版权

版权©2020“阳阳”刘et al。这是一个开放的分布式下文章知识共享归属许可,它允许无限制的使用、分配和复制在任何媒介,提供最初的工作是正确引用。