Projekat ScolioSIM

Projekat ima za cilj razvoj i evaluaciju dubokih modela učenja za predviđanje krivine kičme na osnovu 3D skenova površine leđa kao alternativu metodama tradicionalnih rendgenskih snimaka bez izlaganja zračenju. Istražene su dve osnovne metode: Konvolucionalna neuronska mreža koristeći dubinske mape i Point Cloud Transformer koristeći 3D tačkaste oblake. Modeli su optimizovani i upoređeni sa optičkim podacima iz standardnog medicinskog sistema i podacima zlatnog standarda dobijenim merenjem rendgenskim zracima. Oba modela su nadmašila trenutnu optičku tačnost standardnog medicinskog sistema, što ukazuje na potencijalnu primenljivost modela kao dopune trenutnim kliničkim metodama. Testirane su različite varijacije skupa podataka, uključujući uvećane podatke, balansirane podatke, podatke bez ruku, podatke o anatomskim tačkama i kombinovane skupove podataka. Ove varijacije su donele različite rezultate u pogledu poboljšanja tačnosti i prenosivosti. Dalja istraživanja mogla bi istražiti unapređenja u predobradi podataka i arhitekturi modela, a već razvijeni modeli pokazuju obećavajuće rezultate u napredovanju oblasti neinvazivne dijagnoze i praćenja skolioze. Najznačajnija ograničenja bila su nedostatak dovoljno podataka zlatnog standarda i tačnost tih podataka. Kako tehnologija nastavlja da se razvija, ovi modeli mogu doprineti smanjenju izloženosti zračenju i poboljšanju tačnosti i efikasnosti procena skolioze.