一种基于深度学习的方法,用于在先天性心脏病中快速3D全心建模

科学领域:

• 医学成像和计算机解剖学
• 医疗保健中的人工智能
• 心血管工程 心血管工程

背景情况:

• 先天性心脏病 (CHD) 带来了复杂的解剖学挑战.
• 准确的患者特定模型对于心脏病的手术规划和诊断至关重要.
• 目前的建模方法可能缺乏效率和整合各种临床数据.

研究的目的:

• 开发一种基于深度学习的方法,用于生成针对患者的3D心脏网格模型.
• 整合医学成像 (CT,心脏MRI) 和临床诊断信息.
• 创建适合3D打印和虚拟现实 (VR) 应用的模型.

主要方法:

• 在CT,心脏MRI和110名患者的临床数据上训练了一种深度学习模型.
• 开发了一个基于Web的平台,用于自动生成STL和VR (OBJ) 文件.
• 该方法在三个先天性心脏病病例上得到了验证,产生了3D打印和VR模型.

主要成果:

• 3D打印和VR心脏模型显示出高度的解剖学精度和清晰度,得到了医疗专业人员的验证.
• 深度学习方法有效地快速重建复杂的CHD结构.
• 生成的模型对于术前规划和诊断支持非常有价值.

结论:

• 3D建模方法提高了手术规划和心脏病诊断的精度.
• 未来的研究应该专注于更大的数据集和不同的CHD类型,以扩大适用性.
• 这项技术有可能改善先天性心脏病护理中的患者结果.