人工智能辅助超声指导聚焦超声疗法:一个可行性研究
Moslem Sadeghi-Goughari1, Hossein Rajabzadeh1, Jeong-Woo Han1
1Department of Mechanical and Mechatronics Engineering, University of Waterloo, Waterloo, Ontario, Canada.
概括
人工智能通过准确识别切除瘤区域来增强超声指导聚焦超声 (USgFUS) 治疗. 这种人工智能辅助的监测可以提高精度和控制,从而实现更有效的非侵入性瘤切除治疗.
科学领域:
- 在瘤学瘤学.
- 医疗成像医学成像
- 生物医学工程 生物医学工程
背景情况:
- 聚焦超声波 (FUS) 治疗提供非侵入性瘤切除,但需要精确监测疗效.
- 目前的超声引导FUS (USgFUS) 缺乏精确的监测,导致无法预测的切除和有限的定量反.
- 精确的监测对于涉及多个FUS程序的复杂瘤切除是必不可少的.
研究的目的:
- 开发一个人工智能 (AI) 辅助的框架,以加强USgFUS监控.
- 通过人工智能驱动的图像分析来提高FUS治疗的精度和控制.
- 通过提供更准确的除区域识别来解决当前USgFUS的局限性.
主要方法:
- 一个AI细分模型与B模式超声波成像集成,用于USgFUS指导.
- 人工智能模型,特别是Swin-Unet,经过训练,可以根据hyperechogenicity效应识别废弃的区域.
- 使用USgFUS设置对乳腺组织进行实验,以评估AI框架.
主要成果:
- 在B模式超声图像中,人工智能辅助的框架在识别切除区域方面实现了93%的准确性.
- 在B模式成像中,人工智能模型可靠地检测到过度生长效应.
- 拟议的方法显示了通过精确的监测来加强FUS指导的潜力.
结论:
- 人工智能辅助的超声监测显著提高了FUS治疗的精度和控制.
- 这一进展对于开发更有效和可预测的FUS瘤切除策略至关重要.
- 这项研究强调了人工智能在改善非侵入性治疗干预方面的潜力.
