一个深度学习框架,用于分析欧斯塔基管和内 Carotid 动脉
Ameen Amanian1,2,3, Aseem Jain1,4, Yuliang Xiao5
1Department of Biomedical Engineering, Whiting School of Engineering, Johns Hopkins University, Baltimore, Maryland, USA.
概括
这项研究引入了一种深度学习管道,用于从CT扫描中自动化3D建模欧斯塔基管 (ET) 和内动脉 (ICA),从而实现精确的距离测量,以改善患者护理.
科学领域:
- 医疗成像医学成像
- 人工智能的人工智能
- 人体解剖学 解剖学 解剖学
背景情况:
- 精确的欧斯塔基管 (ET) 和内动脉 (ICA) 的3D模型对于诊断ET病理和规划干预至关重要.
- 目前用于从计算机断层扫描 (CT) 扫描中创建这些模型的方法可能是耗时和主观的.
研究的目的:
- 开发和验证深度学习 (DL) 管道,用于从CT扫描中自动细分ET和ICA.
- 使用这些自动细分来计算ET和ICA之间的最小距离点 (MDP).
主要方法:
- 使用了30个CT扫描的回顾性队列,60个ET和ICA对被手动细分.
- 一个nnU-Net深度学习模型被训练为自动细分.
- 开发了一种定量工具来计算分段ET和ICA之间的MDP.
主要成果:
- 自动细分实现了ET的平均豪斯多夫距离 (AHD) 为0.922毫米,ICA的0.246毫米.
- 子相似系数 (DSC) 的值为ET的0.578和ICA的0.884.
- ET和ICA之间的平均MDP在软骨区域为2.6毫米,位于骨软骨结口尾部1.9毫米.
结论:
- 这是第一个自动化ET和ICA细分和距离分析的端到端DL管道.
- 该方法可以帮助患者选择ET扩张,并促进ET病理学的研究.
- 自动化3D建模为耳科手术和研究提供了宝贵的工具.
