深度学习支持的光成像用于手术指导:在体中培训口腔癌深度量化培训

科学领域:

• 生物医学光学 生物医学光学
• 医疗成像医学成像
• 人工智能在医学中的应用

背景情况:

• 在口腔癌手术中,准确的边缘划定对于平衡完整的瘤切除与保留术后功能至关重要.
• 目前的二维光成像缺乏量化瘤深度的能力,限制了手术前的评估.
• 结构化光成像与深度学习 (DL) 结合,为实时3D边缘检测提供了潜力.

研究的目的:

• 开发和验证一个支持DL的光空间频域成像 (SFDI) 系统,用于量化口腔瘤深度.
• 评估系统在口腔癌手术中提供近实时3D边缘检测的能力.

主要方法:

• 一个卷积神经网络被设计用于从SFDI图像中生成瘤深度和度图.
• 为了训练DL架构,使用了三种模型 (圆柱体,球体波,复合球体波 - CSH).
• 该CSH模型使用患者衍生瘤和光学幻影进行了验证.

主要成果:

• 该CSH模型在患者衍生的瘤中表现出卓越的性能.
• 支持DL的SFDI系统准确预测了0.4毫米内的瘤深度和10毫米以下的瘤度.
• 该系统在定义深层瘤边缘方面表现有前途.

结论:

• 一个启用DL的SFDI系统与合金复合球体波模型进行训练,显示了改善口腔癌手术的巨大潜力.
• 这项技术可以帮助精确地划分边缘,潜在地提高手术结果和患者功能.