使用深度学习进行患者特定的大脑3D血管模型重建
Satoshi Koizumi1, Taichi Kin2,3, Naoyuki Shono2
1Department of Neurosurgery, The University of Tokyo Hospital, 7-3-1Bunkyo-Ku, HongoTokyo, 113-8655, Japan. sakoizumi-tky@umin.net.
Medical & biological engineering & computing
|May 27, 2024
概括
一种新的深度学习 (DL) 方法自动化了从磁共振血管学 (MRA) 图像的3D血管模型重建. 这种方法可以准确地生成血流模拟模型,有助于临床决策,特别是在大型动脉瘤.
科学领域:
- 医疗成像医学成像
- 计算生物学 计算生物学
- 人工智能在医学中的应用
背景情况:
- 从MRA中重建3D船只模型往往需要手动细分.
- 准确的患者特异性血管模型对于诊断和治疗规划至关重要.
研究的目的:
- 开发和验证基于深度学习 (DL) 的方法,用于自动化3D船舶模型重建.
- 评估DL生成的血管模型的准确性和临床可行性.
主要方法:
- 使用2D U-net架构进行监督深度学习.
- 训练数据集包括40个内动脉动脉瘤的飞行时间MRA扫描.
- 模型的准确性是使用Dice系数在20张MRA图像的单独测试组上进行评估的.
主要成果:
- 在所有测试的情况下,DL模型成功重建了船舶的3D模型.
- 在独立测试数据集上获得0.859的子系数.
- 在重建大型动脉瘤模型 (>10毫米直径) 和血流模拟的可行性方面证明了有效性.
结论:
- 开发的基于DL的方法提供了一种自动化和有效的方法,用于从MRA. 进行3D船舶重建.
- 重建的模型适用于血流模拟,支持临床决策.
- 需要进一步的研究才能充分确定DL在推进医疗图像处理方面的潜力.
