Kan AI rekonstruera 3D-bonestrukturer från standardröntgenbilder ?

Medicinsk bildbehandling förlitar sig ofta på DT-skanningar för detaljerade 3D-rekonstruktioner, men dessa är kostsamma och utsätter patienter för högre stråldos. Standardröntgen är mer tillgängligt men saknar djupinformation. AI-algoritmer skulle potentiellt kunna härleda 3D-benmodeller från 2D-röntgenbilder, vilket förbättrar diagnostisk noggrannhet utan ytterligare avbildning.

Nuvarande AI-system kan rekonstruera grova 3D-benformer från två eller flera standardröntgenbilder genom att använda djupinlärningsmodeller tränade på stora dataset med parade röntgen- och DT-volymer, men rekonstruktionerna förblir approximativa och saknar den fina detaljrikedom som typisk för DT-skanningar. Noggrannheten är högst för tät kortikal benvävnad och minskar för trabekulärt ben och små strukturer, och metoden används främst för kirurgisk planering och uppföljning snarare än definitiv diagnostik. Forskningsprototyper visar lovande resultat för enbildsmetoder under begränsade vinklar, men dessa ligger fortfarande efter flerbildsnoggrannhet och kräver specialiserad kalibrering.

— Uppdaterad 12 maj 2026 · Källa: Radiological Society of North America (RSNA) — https://pubs.rsna.org/doi/10.1148/radiol.2023222655