机器学习启用虚拟现实工具的开发,用于功能性内镜鼻手术的术前规划
Varun Gudapati1, Alexander Chen1, Scott Meyer1
1David Geffen School of Medicine, UCLA, Los Angeles, California, United States.
Journal of neurological surgery reports
|August 6, 2024
概括
本研究引入了一种机器学习方法,用于自动准备针对患者的虚拟现实 (VR) 模型,用于模拟鼻解剖,从而提高了手术前规划和虚拟内镜的临床可扩展性.
科学领域:
- 医疗模拟 医疗模拟
- 机器学习在医学成像中的应用
- 医疗保健中的虚拟现实
背景情况:
- 目前用于外科训练的虚拟现实 (VR) 模拟器面临由于手动数据分割而导致的可扩展性挑战.
- 对于患者特定的VR外科模拟器而言,高效准确的数据准备至关重要.
研究的目的:
- 开发一种高通量,准确的机器学习方法,用于自动化为特定患者的VR鼻解剖模拟器准备数据.
- 为了使用VR实现手术前鼻解剖学的交互式探索.
主要方法:
- 使用Unity设计了一个内镜VR模拟器.
- 调整了 Saak 变换,一种机器学习技术,以在最小的训练数据下准确细分鼻腔CT 扫描.
- 将细分数据重建为3D患者特定模型,用于VR探索.
主要成果:
- 萨克变换使用最小的训练数据实现了精确的软组织细分.
- 生成的解剖模型准确地代表了关键的鼻结构和患者特定的变异.
- 虚拟现实模拟允许对这些患者特定的鼻模型进行详细的探索.
结论:
- 自动化管道显著提高了VR模拟器的临床可扩展性,用于术前规划.
- 该系统促进了虚拟内镜,这是一个有价值的工具,特别是在COVID-19大流行的背景下.
- 这种方法为医学的可访问和临床相关的未来VR创新提供了基础.
