卷积神经网络的发展,以对细分超声波图像进行基因组瘤切除
IEEE transactions on bio-medical engineering
|January 10, 2024
概括
开发了一个卷积神经网络 (CNN) 来对超声波图像上细分组织缩移除. 这种人工智能工具对自动化治疗评估和改善聚焦超声疗法的结果显示出希望.
科学领域:
- 医学成像医学成像
- 生物医学工程 生物医学工程
- 医学中的人工智能
背景情况:
- 聚焦型超声波疗法 (histotripsy) 使用气泡云去除组织,并正在针对脏瘤进行研究.
- 超声波成像监测组织缩,但缺乏治疗成功的明确指标.
- 精确评估组织缩消去是有效的治疗和自动化至关重要的.
研究的目的:
- 开发一个卷积神经网络 (CNN) 用于细分组织剥离在超声波图像中的组织缩期间.
- 为了评估CNN的表现与手动细分和减法成像相比.
- 评估CNN在自动化基因组症治疗结果评估方面的潜力.
主要方法:
- 一个剩余网络 (ResNet-18) 用转移学习进行了图像细分的调整.
- 美国有线电视新闻网 (CNN) 接受了红细胞幻影的超声波图像的训练,数字照片作为基本真相.
- 对CNN的性能进行了比较,由放射科医生进行手动细分和减法成像.
主要成果:
- 美国有线电视新闻网 (CNN) 的性能与手动细分相美,优于减法成像.
- 随着治疗的持续时间,CNN预测的准确性得到了提高,在750次脉冲后,达到了85%的子相似系数.
- 对脏组织的实体应用显示了形态变化,与切除的组织学确认一致.
结论:
- 开发的CNN显示了快速评估组织缩治疗结果的巨大潜力.
- 整合基于CNN的图像细分可以帮助自动化组织缩手术程序.
- 这种人工智能方法为提高聚焦超声疗法的疗效和效率提供了一个有希望的解决方案.
