Segmentación en tiempo real específica del paciente en ecografía cerebral sin seguimiento

Área de la Ciencia:

• Neurocirugía
• Imágenes médicas
• Inteligencia artificial

Sus antecedentes:

• La ecografía intraoperatoria (iUS) ofrece potencial para mejorar los resultados de la cirugía cerebral.
• La interpretación de iUS es un desafío para los neurocirujanos.
• La segmentación precisa de tumores cerebrales es crucial para la planificación y ejecución quirúrgica.

Objetivo del estudio:

• Desarrollar el primer marco específico del paciente para la segmentación de tumores cerebrales por ecografía intraoperatoria sin seguimiento.
• Adaptar la interpretación de iUS a los objetivos neuroquirúrgicos en tiempo real.
• Mejorar la precisión y fiabilidad de la segmentación de tumores cerebrales durante la cirugía.

Principales métodos:

• Se diseñó una red específica del paciente en tiempo real para la segmentación de tumores cerebrales en iUS sin seguimiento.
• Se generaron datos de ecografía sintética simulando adquisiciones de barrido de iUS virtual a partir de resonancias magnéticas preoperatorias.
• La red se entrenó utilizando estos datos sintéticos para desambiguar iUS y adaptarse a los objetivos quirúrgicos.

Principales resultados:

• El marco propuesto demostró ser eficaz en la segmentación de tumores cerebrales utilizando datos de ecografía intraoperatoria real.
• El enfoque se adaptó con éxito a las definiciones de los cirujanos de los objetivos quirúrgicos.
• Los modelos específicos del paciente superaron a los modelos no específicos del paciente, a los neurocirujanos expertos y a los sistemas de seguimiento de alta gama.

Conclusiones:

• El marco específico del paciente desarrollado mejora significativamente la segmentación de tumores cerebrales en iUS sin seguimiento.
• Esta tecnología tiene el potencial de mejorar la navegación quirúrgica y los resultados en neurocirugía.
• El marco ofrece una solución adaptable y de alto rendimiento para la guía quirúrgica en tiempo real.