快速的多导管细分用于磁共振图像引导的导管式干预
Amanda M Aleong1, Alejandro Berlin2,3, Jette Borg2,3
1Institute of Biomedical Engineering, University of Toronto, Toronto, Ontario, Canada.
Medical physics
|May 7, 2024
概括
这项研究开发了一种AI算法,用于在干预期间在MRI扫描中对多个导管进行细分. 人工智能实现了高精度,与人类专家相美,对治疗计划的影响最小.
科学领域:
- 医疗成像医学成像
- 人工智能的人工智能
- 干预性放射学 干预性放射学
背景情况:
- 磁共振成像 (MRI) 对于软组织病变的划分至关重要.
- 准确的导管放置对于导管干预至关重要.
- 在MRI中手动细分导管是耗时且具有挑战性的.
研究的目的:
- 开发和评估用于MRI中自动化导管检测的机器学习算法.
- 通过自动化细分来提高MR指导程序的效率.
主要方法:
- 一个3D U-Net模型被训练用于从前列腺支架治疗中MRI图像中的导管细分.
- 训练了多个AI模型来评估细分信心.
- 对手动细分和对治疗计划的剂量计影响进行了绩效评估.
主要成果:
- 人工智能成功识别了95%的导管,处理速度快 (每体积0.89秒).
- 多模型方法确定了需要用户输入的情况,确保了可靠性.
- 人工智能细分的准确性与独立观察者相比,具有相似的平面剂量测量.
结论:
- 人工智能驱动的导管细分对于MR引导的干预非常准确和高效.
- 多AI模型方法增强了信心,并确定了需要手动审查的细分.
- 实时人工智能细分可以帮助评估导管偏移并加快前列腺支架疗法规划.
