КОНФЕРЕНЦІЇ ВНТУ електронні наукові видання, 
X Сучасні проблеми інфокомунікацій, радіоелектроніки та наносистем (СПІРН-2025)

Розмір шрифта: 
АЛГОРИТМИ ПЕРСОНАЛІЗОВАНОГО ПІДБОРУ ТА ОПТИМІЗАЦІЇ ІМПЛАНТА
Олег Олександрович Сидорук, Леонід Григорович Коваль

Остання редакція: 2025-11-03

Анотація


Традиційне 2D-планування тотального ендопротезування колінного суглоба страждає від низької надійності та високої між-спостерігацької варіабельності. Навіть існуючі 3D-плани виробників потребують корекції у 91.1% випадків, оскільки вони базуються на «фіксованих алгоритмах» та ігнорують хірург-специфічні філософії вирівнювання (механічне, кінематичне, функціональне). Дане дослідження представляє ядро автоматизованої системи, що вирішує цю проблему. Система включає 2D-3D конвеєр машинного навчання, здатний прогнозувати розмір імпланта зі стандартних рентгенівських знімків з точністю ~99% (в межах ±1 розміру). Ядром системи є багато-критеріальний алгоритм оптимізації, який персоналізує 3D-позиціонування імпланта шляхом мінімізації середньоквадратичного відхилення від «до-хворобного» стану, одночасно враховуючи кінематику та напруження у зв'язках.


ALGORITHMS FOR PERSONALIZED IMPLANT SELECTION AND OPTIMIZATION

 

Annotation

Traditional 2D templating for total knee arthroplasty (TKA) suffers from low reliability and high inter-observer variability. Even the currently available 3D manufacturer-provided preoperative plans require correction in approximately 91% of cases, as they rely on fixed algorithms and neglect surgeon-specific alignment philosophies — mechanical, kinematic, or functional. This study presents the core concept of an automated system designed to overcome these limitations. The proposed system integrates a 2D-to-3D machine learning pipeline capable of predicting implant size from standard radiographs with nearly 99% accuracy (within ±1 size). Its central component is a multi-criteria optimization algorithm that personalizes 3D implant positioning by minimizing the root-mean-square deviation from the pre-diseased anatomical state, simultaneously optimizing both joint kinematics and ligament tension.


Keywords: total knee arthroplasty, preoperative planning, machine learning, 2D-to-3D reconstruction, implant optimization, kinematic alignment, mechanical alignment, artificial intelligence.


Ключові слова


Ключові слова: тотальне ендопротезування колінного суглоба, передопераційне планування, машинне навчання, 2D-3D реконструкція, оптимізація імпланта, кінематичне вирівнювання, механічне вирівнювання , штучний інтелект.

Посилання


СПИСОК ВИКОРИСТАНОЇ ЛІТЕРАТУРИ

 

  1. Guo EW, Sayeed Z, Padela MT, Qazi M, Zekaj M, Schaefer P, Darwiche HF. Improving Total Joint Replacement with Continuous Quality Improvement Methods and Tools. Orthop Clin North Am. 2018 Oct;49(4):397-403. [PubMed]
  2. Guo B, Qin S, Huang Y. [Research progress of knee-salvage treatment for knee osteoarthritis]. Zhongguo Xiu Fu Chong Jian Wai Ke Za Zhi. 2018 Oct 15;32(10):1292-1296. [PMC free article] [PubMed]
  3. Ghosh A, Chatterji U. An evidence-based review of enhanced recovery after surgery in total knee replacement surgery. J Perioper Pract. 2019 Sep;29(9):281-290. [PubMed]
  4. Cox CF, Sinkler MA, Black AC, Launico MV, Hubbard JB. StatPearls [Internet]. StatPearls Publishing; Treasure Island (FL): Oct 27, 2023. Anatomy, Bony Pelvis and Lower Limb, Knee Patella. [PubMed]
  5. Gupton M, Munjal A, Terreberry RR. StatPearls [Internet]. StatPearls Publishing; Treasure Island (FL): Jul 24, 2023. Anatomy, Hinge Joints. [PubMed]
  6. Bordoni B, Varacallo MA. StatPearls [Internet]. StatPearls Publishing; Treasure Island (FL): May 8, 2023. Anatomy, Bony Pelvis and Lower Limb: Thigh Quadriceps Muscle. [PubMed]
  7. Vasso M, Antoniadis A, Helmy N. Update on unicompartmental knee arthroplasty: Current indications and failure modes. EFORT Open Rev. 2018 Aug;3(8):442-448. [PMC free article] [PubMed]
  8. Lützner J, Lange T, Schmitt J, Kopkow C, Aringer M, DGRh. Böhle E, ZVK. Bork H, DGOU. Dreinhöfer K, DNVF. Friederich N, Deutsche Arthrose-Hilfe e. V. Gravius S, DGOOC. Heller KD, BVOU. Hube R, DKG. Gromnica-Ihle E, Deutsche Rheuma-Liga Bundesverband e. V. Kirschner S, AE. Kladny B, DGOU. Kremer M, DGU. Linke M, Deutsche Gesellschaft für Medizinische Psychologie. Malzahn J, AOK Bundesverband. Sabatowski R, Deutsche Schmerzgesellschaft e. V. Scharf HP, Stöve J, Wagner R, DGORh. Günther KP. [The S2k guideline: Indications for knee endoprosthesis : Evidence and consent-based indications for total knee arthroplasty]. Orthopade. 2018 Sep;47(9):777-781. [PubMed]
  9. Walker LC, Clement ND, Deehan DJ. Predicting the Outcome of Total Knee Arthroplasty Using the WOMAC Score: A Review of the Literature. J Knee Surg. 2019 Aug;32(8):736-741. [PubMed]
  10. Jones GG, Logishetty K, Clarke S, Collins R, Jaere M, Harris S, Cobb JP. Do patient-specific instruments (PSI) for UKA allow non-expert surgeons to achieve the same saw cut accuracy as expert surgeons? Arch Orthop Trauma Surg. 2018 Nov;138(11):1601-1608. [PMC free article] [PubMed]
  11. Тимчик С.В., Штофель Д.Х. Регенеративна медицина та 3D друк для біомедичної інженерії: Конспект лекцій. – Вінниця: ВНТУ, 2020.

Повний текст: PDF