人工智能指导了数字双胞胎的开发,以测量头手术期间软组织的移动
David Männle1, Jan Pohlmann1, Sara Monji-Azad2
1Department of Otorhinolaryngology, Head and Neck Surgery, University Hospital Mannheim, Medical Faculty Mannheim, Heidelberg University, Mannheim, Germany.
PloS one
|August 9, 2023
概括
这项研究引入了一种新的AI驱动的数字双胞胎框架,用于检测头部和部手术中的软组织转移. 该方法成功模拟并测量了使用尸体模型的温度变化来测量组织变形.
科学领域:
- 医疗成像医学成像
- 人工智能的人工智能
- 手术技术 手术技术
背景情况:
- 在头部和部手术中软组织变形对准确的手术规划和执行提出了挑战.
- 检测软组织转移是外科瘤学的关键但历史上未解决的问题.
研究的目的:
- 开发和验证基于人工智能 (AI) 的数字双胞胎框架,用于测量软组织变形.
- 评估在尸体模型中使用3D扫描和AI检测软组织转移的可行性.
主要方法:
- 数字双胞胎是由猪头尸体模型中3D扫描移除的软组织 (RTP) 和切除腔 (RC) 创建的.
- 人工智能模型使用两个不同的3D物体探测器 (HoloLens 2,ArtecEva) 在416次扫描中进行训练.
- 人工组织转移 (TS) 是由受控的温度变化 (7.9°C至36.4°C) 诱导的.
主要成果:
- 在HoloLens 2和ArtecEva扫描仪之间,顶点数的显著差异影响了体积测量 (p=0.0015).
- 温度诱导的组织转移成功模拟并测量了RC (p=0.0027) 和RTP (p<0.0001).
- 切除腔 (RC) 显示在加热后组织移动的相关性更高 (3.1μl或9.09%的体积增加).
结论:
- 尸体模型适合训练机器学习模型通过数字双胞胎进行可变形注册.
- 无论是HoloLens 2还是ArtecEva扫描仪,尽管点云密度有差异,但它们都提供了可比的体积估计.
- 人工智能驱动的数字双胞胎方法可以模拟和测量组织转移,在冷部位管理和其他外科手术中提供潜在的应用.
