一个基于深度学习的统一框架用于耳植入物电极阵列定位
Yubo Fan1, Jianing Wang2, Yiyuan Zhao3
1Department of Computer Science, Vanderbilt University, Nashville, TN 37235, USA.
Medical image computing and computer-assisted intervention : MICCAI ... International Conference on Medical Image Computing and Computer-Assisted Intervention
|April 1, 2024
概括
一个新的深度学习框架准确地定位了CT扫描中的耳植入物 (CI) 电极阵列. 这种自动化方法改善了耳植入物编程,以改善听力损失患者的听力结果.
科学领域:
- 医疗成像医学成像
- 神经修复品是一种神经修复品.
- 机器学习 机器学习
背景情况:
- 耳植入物 (CIs) 在严重到严重的听力损失中恢复听力.
- 电极阵列 (EA) 在尾中的位置会影响听力结果.
- 精确的EA本地化对于优化CI编程至关重要.
研究的目的:
- 开发一个统一的深度学习框架,用于在术后CT图像中实现自动化电极阵列定位.
- 提高EA局部化用于临床应用的准确性和稳定性.
主要方法:
- 为EA本地化设计了一个多任务深度学习网络.
- 开发后处理算法来完善各种EA类型的本地化.
- 该框架在尸体和大型临床数据集上进行了评估.
主要成果:
- 该方法在尸体样本上的定位误差略低于最先进的方法.
- 在大型的临床数据集 (561例) 上显示出显著的稳定性改进.
结论:
- 拟议的深度学习框架可以实现自动和准确的EA本地化.
- 这种技术有可能被整合到临床工作流程中,以改善CI编程和患者护理.
