基于深度学习的超声波可视化,用于图像导向治疗的远端带软骨:一个试点验证研究

科学领域:

• 医疗成像医学成像
• 人工智能的人工智能
• 整形外科手术 整形外科手术

背景情况:

• 超声波是一种便携式,无辐射的成像方式,广泛用于图像导向治疗 (IGT).
• 动态,体积超声成像对于微创手术至关重要.
• 准确的解剖结构细分对于精确的IGT至关重要.

研究的目的:

• 为了评估多个深度学习算法的有效性,用于远端部软骨细分.
• 评估这些算法在IGT的动态体积超声波图像中的可行性.
• 为了提高微创手术中的3D成像精度.

主要方法:

• 在5321张超声波图像上使用深度学习开发和训练了9个语义细分网络.
• 利用来自12名健康志愿者的数据集,分为8: 2培训和验证集.
• 根据IGT系统中的细分精度,处理效率和3D成像精度来评估网络性能.

主要成果:

• 医疗变压器 (MedT) 实现了最高的2D细分精度 (子得分:89.4%),每秒2.6 (FPS) 处理效率.
• 在3D成像中,超声波生成和MRI生成模型之间的平均平方根平均值 (RMS) 误差低于1.12毫米.
• 演示了深度学习网络的可行性,用于在IGT系统中精确的3D成像.

结论:

• 这项研究证实了一种新型深度学习方法的技术可行性,用于实时远端部软骨可视化.
• 超声波校准和细分的增强精度显著提高了3D成像的准确性.
• 这种方法对推进最少入侵的骨科手术技术具有前途.