通过使用统计形状模型和卷积神经网络的2D和3D医学图像进行验证的呼吸道药物沉积预测

科学领域:

• 生物医学工程 生物医学工程
• 医疗成像医学成像
• 计算流体动力学的流体动力学.

背景情况:

• 全球有超过10亿人患有呼吸道疾病,吸入器管理显著影响生活质量.
• 目前的通用治疗计划往往忽视患者特定的因素,如呼吸模式和肺形态.
• 计算模型为个性化呼吸道疾病管理提供了一个有希望的途径.

研究的目的:

• 开发和验证用于患者特定的吸入器沉积建模的自动化计算框架.
• 通过考虑患者个体特征,实现个性化治疗策略.
• 通过先进的建模,提高呼吸道疾病管理的有效性.

主要方法:

• 采用图像处理方法,从2D胸部X射线和3DCT扫描中生成患者的3D呼吸系统几何形状.
• 评估了框架能够重现气道和肺部形态的能力.
• 吸入器沉积被评估并与体内数据进行比较.

主要成果:

• 2D到3D图像处理在气道直径复制中实现了9%的中位误差,尽管对异常值敏感.
• 与体内测量相比,预测的区域沉积显示了5%的中位误差.
• 该框架展示了为各种治疗场景提供患者特定沉积预测的能力.

结论:

• 开发的计算框架可以为呼吸系统治疗提供准确的,针对患者的沉积模型.
• 将其纳入临床实践可以作为一个决策工具,以优化吸入器疗法.
• 个性化建模有可能显著降低呼吸系统疾病的负担.