基于计算机断层扫描的放射性支气管内膜超声波图像模拟利用深度学习对外肺病变的模拟
Chunxi Zhang1,2,3, Yongzheng Zhou1,2,3, Chuanqi Sun4
1Department of Respiratory Endoscopy, Shanghai Chest Hospital, Shanghai Jiao Tong University School of Medicine, Shanghai, China.
Endoscopic ultrasound
|September 25, 2024
概括
这项研究引入了一种深度学习方法,可以从CT扫描中生成模拟的辐射内支气管超声波 (R-EBUS) 图像,有助于对外围肺病变活检指导.
科学领域:
- 医疗成像医学成像
- 人工智能在医学中的应用
- 肺部病理学 肺部病理学
背景情况:
- 辐射内支气管超声波 (R-EBUS) 对于外周肺病变 (PPL) 采样至关重要.
- 目前的导航支气管镜缺乏R-EBUS指导.
- 对于R-EBUS探头操纵,需要准确的手术内指导.
研究的目的:
- 开发一个深度学习模型来模拟从手术前CT数据中PPL的R-EBUS图像.
- 为手术内R-EBUS探头操纵提供指导.
主要方法:
- 从250名患者回顾收集CT和手术内超声波数据.
- 使用超声波传播模型,将2DCT截面转化为初始模拟的R-EBUS图像.
- 训练一个循环生成对抗网络 (cGAN),以增强图像的真实性,并使用客观和主观指标评估相似性.
主要成果:
- cGAN显著提高了真实和模拟的R-EBUS图像之间的相似性,如瓦瑟斯坦距离所示.
- 在真实和模拟图像 (P > 0.05) 之间的损伤尺寸 (长轴,短轴,面积) 中没有发现显著差异.
- 专家评估给出了高的相似性得分 (中位数≥4/5) 病变特征和整体外观.
结论:
- 开发的方法成功生成模拟的R-EBUS图像,这些图像与真实图像非常相似.
- 这种技术显示了在PPL活检期间指导手术内R-EBUS探头操纵的潜力.
