基于学习的关键点注册用于胎儿显微镜马赛克

科学领域:

• 医疗成像医学成像
• 手术技术 手术技术
• 计算生物学 计算生物学

背景情况:

• 双胞胎对双胞胎输血综合征 (TTTS) 涉及异常的胎盘血管连接,导致胎儿血流不均.
• 目前的手术治疗采用胎镜激光切除,但有限的视野阻碍了对异常瘤的精确识别.

研究的目的:

• 开发一个基于学习的框架,用于体内胎儿镜的框架注册,以扩大外科视野.
• 为了应对在TTTS手术期间识别异常血管瘤的挑战.

主要方法:

• 一个新的框架,利用基于学习的关键点提案网络进行胎儿镜框架注册.
• 一种编码策略,使用语义图像细分和不一致的同谱来过不相关的关键点.

主要成果:

• 拟议的框架在六次TTTS手术中的手术内胎儿镜测序上得到了验证.
• 性能与依赖于胎盘血管细分的最先进算法进行了比较.

结论:

• 与现有方法相比,开发的框架显示出更高的性能.
• 这一进步使得强大的马赛克能够增强外科医生在TTTS干预期间的情境意识.