自动3D肝脏细分从肝胆阶段MRI用于增强的手术前规划
Namkee Oh1, Jae-Hun Kim2, Jinsoo Rhu3
1Department of Surgery, Samsung Medical Center, Sungkyunkwan University School of Medicine, 81 Irwon-ro, Gangnam-gu, Seoul, 06351, Republic of Korea.
Scientific reports
|October 17, 2023
概括
深度学习模型在MRI扫描中准确地细分肝脏结构和瘤,帮助外科医生精确地进行手术前规划,以获得更好的患者结果.
科学领域:
- 医学图像分析 医学图像分析
- 深度学习应用程序
- 手术规划技术 手术规划技术
背景情况:
- 深度学习已经推进了医学图像分析,但手术规划的实际工具有限.
- 肝脏解剖学和瘤的准确细分对于有效的手术前手术规划至关重要.
研究的目的:
- 开发和评估一种深度学习模型,用于自动细分肝膜,血管和胆道结构以及瘤质量.
- 提高肝切除术术前手术规划的准确性和实用性.
主要方法:
- 为自动细分开发了一个3D残余U-Net模型.
- 该模型被训练并测试了120个手术前的 gadoxetic 酸增强肝脏MRI 扫描.
- 使用子相似系数 (DSC) 与手动划分对比来评估性能.
主要成果:
- 该模型在肝膜 (0.92 ± 0.03),瘤质量 (0.77 ± 0.21),肝静脉 (0.70 ± 0.05),门静脉 (0.61 ± 0.03) 和胆管 (0.58 ± 0.15) 中获得了高的DSC得分.
- 证明了关键的肝内部结构和病变的准确细分.
结论:
- 3D残余U-Net模型显示了在肝脏手术中增强术前规划的巨大潜力.
- 这种自动化细分可以通过更好的解剖学理解来改善外科手术结果和患者安全.


