相关实验视频
Updated: Jul 4, 2025
05:05
Four-Dimensional CT Analysis Using Sequential 3D-3D Registration
Published on: November 23, 2019
8.0K
点云注册用于测量软组织变形的形状依赖性,用于头手术中的数字双胞胎
Sara Monji-Azad1, David Männle2, Jürgen Hesser1,3,4,5,6
1Mannheim Institute for Intelligent Systems in Medicine (MIISM), Medical Faculty Mannheim, Heidelberg University, Mannheim, Germany.
Biomedicine hub
|February 7, 2024
概括
这项研究开发了一种机器学习 (ML) 方法,使用21⁄2 D点云数据创建数字双胞胎来量化软组织转移. 这些发现证明了这种方法在模拟因温度变化而导致的组织变形时的可行性.
科学领域:
- 医疗成像医学成像
- 计算生物学 计算生物学
- 生物机械工程 生物机械工程
背景情况:
- 软组织变形在手术规划和模拟中带来了挑战.
- 精确量化组织转移对于理解生物力学变化至关重要.
研究的目的:
- 开发和验证一种基于机器学习 (ML) 的方法,用于生成组织和切除腔的 21⁄2 D 数字双胞胎.
- 量化因温度变化引起的依赖形状的软组织变化.
主要方法:
- 一个机器学习模型被训练在438模拟的21⁄2 D表面扫描从猪尸模型.
- 对于分支和紧的切除腔和切割组织,生成了数字双胞胎.
- 组织转移是通过改变温度从大约8°C到36°C来诱导的.
主要成果:
- 温度升高导致切除腔 (6毫升分支,2毫升紧) 和切割组织 (3毫升分支,4毫升紧) 的体积变化显著.
- 发生了显著的组织变形,导致切除腔和在温暖状态下切割组织之间的不匹配.
- 虽然在统计学上并不显著,但紧的切除腔表现出比分支的 (0.5μL) 更大的变形 (1μL).
结论:
- 开发的21⁄2 D点云注册方法有效生成数字双胞胎.
- 这种基于ML的方法成功地量化了由环境变化引起的依赖形状的软组织变化.
