使用三维网格变化自编码器构建腹部器官形状图谱

科学领域:

• 医学成像医学成像
• 计算解剖学的计算解剖学
• 机器学习 机器学习

背景情况:

• 准确的器官形状和位置建模对于放射治疗和手术指导等临床应用至关重要.
• 现有的线性模型在软器官变异性方面扎,而非线性模型可能会因有限的数据而过度匹配.

研究的目的:

• 为器官建模开发一个高度准确和可概括的形状图谱.
• 解决当前模型在重建复杂的解剖变异方面的局限性.

主要方法:

• 设计了一个网状变异自编码器 (MVAE),能够重建非线性器官形状和位置.
• 从125例患者病例中使用肝脏网进行了MVAE模型的训练和验证.

主要成果:

• MVAE模型在重建复杂,非线性器官形状和位置方面表现出高精度.
• 在19个试验案例的验证显示,肝网的平均重建精度为4.3毫米.

结论:

• 开发的MVAE提供了一种可靠的方法,用于创建准确和可概括的器官形状地图.
• 这种方法具有显著的潜力,可以提高图像引导干预和放射治疗规划的精度.