يمكن أن يُحسّن التقدير الدقيق لموضع الأدوات الجراحية بستة درجات من الحرية (6-DoF) أثناء العمليات الجراحية غير الغازية بشكل كبير استراتيجيات العلاج والنتائج الجراحية النهائية. وقد حققت الطرق القائمة على التعلم العميق نتائج دقيقة، لكنها تتطلب أساليب مخصصة لكل كائن، وتتطلب بيئة إعداد وتدريب مجهدة غالبًا ما تمتد إلى محاكاة واسعة النطاق، مع نقص في القدرة على الحساب في الزمن الفعلي. نقترح منهجًا عامًا لجمع البيانات لمهام التقدير ثلاثي الأبعاد لموضع الأدوات (6-DoF) في أنظمة الأشعة السينية، وبنية جديدة وعامة لنموذج YOLOv5-6D لتقدير الموضع بدقة وسرعة، بالإضافة إلى منهج كامل لتقدير موضع المسمار الجراحي تحت اعتبار هندسة جمع البيانات من صورة أشعة سينية مفردة ذات شعاع مخروطي. يحقق النموذج المقترح YOLOv5-6D نتائج تنافسية على المعايير العامة، مع سرعة ملحوظة تصل إلى 42 إطارًا في الثانية (FPS) على وحدة معالجة الرسومات (GPU). علاوة على ذلك، يتميز هذا الأسلوب بالقدرة على التعميم عبر تباينات هندسة جمع الأشعة السينية والتعقيد الشكلي للصور، مما يمكّنه من تقديم تقدير دقيق للموضع في بيئات مختلفة. وأخيرًا، تم اختبار الأسلوب المقترح لتقدير موضع المسمار العظمي في إطار التوجيه بالحوسبة أثناء جراحات العمود الفقري، حيث حقق نتائج بنسبة 92.41% وفقًا لمعيار 0.1∙d ADD-S، ما يُظهر إمكانات واعدة لتعزيز الدقة الجراحية وتحسين النتائج السريرية للمرضى. يُتاح الكود الخاص بنموذج YOLOv5-6D للجمهور عبر الرابط التالي: https://github.com/cviviers/YOLOv5-6D-Pose.