从CT数据中对阴茎的细分,用于使用深度学习进行面部重建手术的虚拟手术规划
Stefan Raith1,2, Tobias Pankert3,4, Jônatas de Souza Nascimento4,5
1Department of Oral and Maxillofacial Surgery, RWTH Aachen University Hospital, Pauwelsstraße 30, 52074, Aachen, Germany. sraith@ukaachen.de.
Scientific reports
|January 8, 2025
概括
这项研究引入了一种自动化方法,用于从CT扫描中对阴茎骨进行细分,这对于重建性手术规划至关重要. 深度学习方法显著提高了准备手术解剖数据的效率和准确性.
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:
- 自主阴茎顶移植对于下重建至关重要.
- 目前的计算机辅助计划依赖于手动CT数据准备.
- 为了高效的手术规划,需要自动化阴茎的细分.
研究的目的:
- 开发和验证一种自动化方法,用于从CT数据中对阴茎脊段进行细分.
- 为了简化用于重建性手术规划的几何数据准备.
- 为了提高解剖学数据提取的效率和可靠性.
主要方法:
- 一个深度的卷积神经网络 (3D U-Net 架构) 用于自动细分.
- 转移学习被应用于优化模型培训.
- 评估涉及子相似系数,对称平均表面距离和修改的豪斯多夫距离.
主要成果:
- 自动化细分显示了高准确性,在移植相关区域的Dice系数为92% +/- 7%.
- 平均表面偏差为0.605 +/- 0.41毫米.
- 该方法始终准确地确定了两侧阴茎的几何形状.
结论:
- 开发的方法成功地从CT数据中提取阴茎的几何形状.
- 这种自动化为数字化手术规划提供了关键的起点.
- 它可以有效和可靠地准备用于重建手术的解剖数据.
