基于深度学习的自动管道用于在程序内3DMRI上3D针位置定位
Wenqi Zhou1,2, Xinzhou Li1,2, Fatemeh Zabihollahy1,3
1Department of Radiological Sciences, University of California Los Angeles, 300 UCLA Medical Plaza, Suite B119, Los Angeles, CA, 90095, USA.
概括
这项研究引入了一个自动化的深度学习管道,用于在MRI引导的程序中快速准确地定位3D针头. 该方法显著改善了手动本地化,并且需要有限的训练数据.
科学领域:
- 医疗成像医学成像
- 人工智能的人工智能
- 手术技术 手术技术
背景情况:
- 准确的3D针头定位对于MRI指导的皮肤间干预非常重要.
- 目前的手工方法耗时且繁.
- 现有的自动化方法面临着手动平面定位或大型3D训练数据集的挑战.
研究的目的:
- 开发一个自动深度学习管道,以快速准确地在体内手术内3DMRI上定位3D针.
- 通过使用有限的培训数据集来克服现有方法的局限性.
主要方法:
- 使用转移窗口 (Swin) 变压器的粗细细分段战略.
- 最初使用3D Swin UNETR进行3D针片分割,然后使用2D Swin 变压器进行2D重新格式化和细分.
- 预培训和数据增强以加强网络培训,评估了49个体内3DMRI图像.
主要成果:
- 该管道实现了平均端到端计算时间为6秒的3D卷.
- 对于3D Swin UNETR和2D Swin Transformer的子中位数分别为0.80和0.93.
- 中位针尖和轴定位误差分别为1.48mm和0.98°,超过了人类内读器变化.
结论:
- 拟议的自动管道能够在手术内3DMRI上快速定位像素级3D针头.
- 它不需要广泛的3D培训数据集,有可能协助MRI引导的皮肤干预.
