トラッカーレス脳超音波における患者固有のリアルタイムセグメンテーション

科学分野:

• 神経外科
• 医用画像
• 人工知能

背景:

• 術中超音波（iUS）は、脳手術の結果を改善する可能性を提供します。
• iUSの解釈は神経外科医にとって困難です。
• 正確な脳腫瘍セグメンテーションは、手術計画と実行にとって重要です。

研究 の 目的:

• トラッカーレス術中超音波脳腫瘍セグメンテーションのための最初の患者固有フレームワークを開発すること。
• リアルタイムで神経外科手術の目標に合わせてiUS解釈を適応させること。
• 手術中の脳腫瘍セグメンテーションの精度と信頼性を向上させること。

主な方法:

• トラッカーレスiUSにおける脳腫瘍セグメンテーションのために、患者固有のリアルタイムネットワークが設計されました。
• 術前MRIからの仮想iUSスイープ取得をシミュレートすることによって、合成超音波データが生成されました。
• この合成データを使用してネットワークをトレーニングし、iUSの曖昧さを解消し、手術目標に適応させました。

主要な成果:

• 提案されたフレームワークは、実際の術中超音波データを使用した脳腫瘍のセグメンテーションにおいて有効性を示しました。
• このアプローチは、外科医による手術ターゲットの定義に正常に適応しました。
• 患者固有モデルは、患者固有でないモデル、専門の神経外科医、およびハイエンドトラッキングシステムを上回りました。

結論:

• 開発された患者固有フレームワークは、トラッカーレスiUSにおける脳腫瘍セグメンテーションを大幅に強化します。
• この技術は、神経外科における手術ナビゲーションと転帰を改善する可能性を秘めています。
• このフレームワークは、リアルタイムの手術ガイダンスのための適応可能で高性能なソリューションを提供します。