Kan AI 3D-botstructuren reconstrueren uit standaard röntgenfoto's ?

Medische beeldvorming maakt vaak gebruik van CT-scans voor gedetailleerde 3D-reconstructies, maar deze zijn kostbaar en blootstellen patiënten aan meer straling. Standaard röntgenfoto’s zijn toegankelijker, maar missen diepte-informatie. AI-algoritmes zouden mogelijk 3D-botmodellen kunnen afleiden uit 2D-röntgenfoto’s, wat de diagnostische nauwkeurigheid verbetert zonder extra beeldvorming.

Huidige AI-systemen kunnen grove 3D-botvormen reconstrueren aan de hand van twee of meer standaard röntgenfoto’s door gebruik te maken van deep-learningmodellen die zijn getraind op grote datasets met gekoppelde röntgen- en CT-volumes, maar de reconstructies blijven benaderend en missen de fijne details die typisch zijn voor CT-scans. De nauwkeurigheid is het hoogst voor dichte corticale botten en neemt af voor trabeculair bot en kleine kenmerken, en de aanpak wordt vooral gebruikt voor chirurgische planning en follow-up in plaats van definitieve diagnostiek. Onderzoeksprototypes tonen belofte voor single-view-methoden onder beperkte hoeken, maar deze blijven achter bij de nauwkeurigheid van multi-view en vereisen gespecialiseerde kalibratie.

— Verrijkt 12 mei 2026 · Bron: Radiological Society of North America (RSNA) — https://pubs.rsna.org/doi/10.1148/radiol.2023222655