Swin UNETR segmentation with automated geometry filtering for biomechanical modeling of knee joint cartilage

本研究旨在通过整合使用3D Swin UNETR的自动软骨分割算法来促进特定受试者膝关节有限元建模。该算法提供了膝关节软骨的初始分割，随后进行自动几何过滤以细化表面粗糙度和连续性。与通用有限元模型相比，特定受试者模型考虑了人群特异性几何形状、载荷和材料特性的变化，提供了更高的预测精度，但需要大量的开发时间和努力。使用手动和自动分割方法开发了九对膝关节软骨有限元模型，比较了步态期间预测的应力和应变响应。自动分割方法在股骨软骨和胫骨软骨方面的Dice相似系数分别为89.4％和85.1％，自动和手动分割之间的Hausdorff距离为2.3毫米。包括最大主应力和应变、流体压力、纤维应变和接触面积在内的力学结果显示，手动和自动有限元模型之间没有显着差异。这些发现证明了所提出的自动分割方法在创建准确的膝关节有限元模型方面的有效性。

自动分割算法在建立主观特异性膝关节有限元模型中的应用

使用基于3D Swin UNETR的自动软骨分割算法，实现了膝关节有限元模型的快速建立。

论文提出的自动分割算法在软骨分割精度和有限元模拟结果方面均表现出良好的效果。实验结果表明，自动分割算法能够快速准确地建立主观特异性的膝关节有限元模型。

近期研究中，也有一些关于自动分割算法在医学影像处理中的应用，如《A survey of deep learning-based medical image analysis on multi-modalities》。