使用基于深度学习的全自动计算断层扫描体积测量来估计活体供体肝移植的右叶片移植重量
Xiaopeng Yang1, Seonyeong Park1, Seungyoo Lee1
1School of Global Entrepreneurship and Information Communication Technology, Handong Global University, Pohang, 37554, Republic of Korea.
Scientific reports
|October 18, 2023
概括
这项研究引入了一种人工智能技术,用于使用CT扫描来估计右叶肝移植重量. 深度学习模型准确地对肝叶进行细分,并预测体重,在临床使用中被证明是有效的.
科学领域:
- 医疗成像医学成像
- 人工智能的人工智能
- 手术规划 手术规划
背景情况:
- 准确估计肝移植重量对于成功的肝移植至关重要.
- 目前用于估计移植重量的方法可能耗时,可能缺乏精度.
研究的目的:
- 开发和验证一种基于深度学习的全自动技术,用于估计右叶肝移植重量.
- 评估拟议的自动化方法的准确性和临床适用性.
主要方法:
- 基于变压器的深度学习模型被用于从计算机断层扫描 (CT) 图像的肝脏细分和叶片分类.
- 该模型在248个CT数据集上进行了训练和验证.
- 使用CT衍生体积和转换公式估计了右叶移植重量.
主要成果:
- 深度学习模型实现了整个肝脏和右叶的高细分精度 (例如,整个肝脏的子相似系数为95.9%).
- 临床评估表明,在移植重量估计中存在强烈的相关性 (CC=0.859) 和低百分比绝对误差 (8.6%).
- 该方法显示,在移植重量方面,平均低估幅度为-1.8%,与实际重量相比,平均差异为-21.3g.
结论:
- 开发的深度学习技术提供了一种有效和准确的方法,用于自动估计右叶叶肝移植重量.
- 细分和体重预测的高准确性支持其在肝移植规划中的临床应用潜力.
