针对患者特定的参考模型估计,用于整形手术规划
Xi Fang1, Hannah H Deng2, Tianshu Kuang2
1Department of Biomedical Engineering and Center for Biotechnology and Interdisciplinary Studies, Rensselaer Polytechnic Institute, Troy, NY, 12180, USA.
概括
这项研究引入了一种新的自我监督学习框架,用于创建特定患者的参考骨形状模型,这对于整形外科手术至关重要. 该方法准确地估计了形状,超过了现有的技术.
科学领域:
- 医疗成像医学成像
- 计算机辅助手术 计算机辅助手术
- 生物医学工程 生物医学工程
背景情况:
- 准确的参考骨形状模型对于有效的整形手术规划至关重要.
- 目前用于推导这些模型的方法存在局限性,包括潜在的扭曲和由于忽视非线性关系而导致的精度受损.
研究的目的:
- 开发和验证一种新的自我监督学习框架,用于估计患者特定的参考骨形状模型.
- 解决现有方法在准确捕捉面结构中复杂的非线性关系方面的局限性.
主要方法:
- 开发了一个使用深度查询网络的自我监督学习框架.
- 该网络在一个高维空间中估计了患者中脸和正常受试者数据之间的相似性得分.
- 高维特征被聚合并投射回3D结构中,以生成患者特定的参考模型.
主要成果:
- 该框架在51名正常受试者身上接受了培训,并在30名患者身上进行了测试.
- 性能评估显示,平均Chamfer距离误差为2.25毫米,平均表面距离误差为2.30毫米.
- 与现有方法相比,该方法在参考模型估计中表现出更高的准确性.
结论:
- 拟议的方法有效地利用高维空间中的相关性来生成准确的患者特定参考模型.
- 定性和定量分析都证实了这种方法优于当前最先进的方法.
- 这一框架为整形手术规划提供了重大进展.
