基于实时瘤位置预测的多维呼吸运动补偿穿孔方法

科学领域:

• 医学成像和干预 医学成像和干预
• 计算生物学和生物信息学
• 呼吸系统医学 呼吸系统医学

背景情况:

• 在呼吸运动期间精确地定位肺瘤对于有效的皮肤间活检至关重要.
• 现有的方法在实时跟踪和补偿动态瘤运动方面面临挑战.

研究的目的:

• 开发和验证基于实时瘤位置预测的方法,用于针刺时的多维呼吸运动补偿.
• 为了提高穿皮肺活检程序的准确性和稳定性.

主要方法:

• 开发了一种混合模型,将预测和相关性结合起来.
• 一个双向的长期短期记忆神经网络与注意力 (Bi-LSTM-ATT) 预测了呼吸信号.
• 一个反向传播的神经网络将信号与瘤位置相关联,用于轨迹分解和最佳穿孔窗口的确定.

主要成果:

• 该Bi-LSTM-ATT模型在预测呼吸信号方面取得了很高的准确性 (RMSE:0.0482毫米,MAE:0.0414毫米,R2:97.90%).
• 相关性模型局部化了肺部瘤,目标注册误差在0.74mm以内.
• 拟议的穿孔方法显示平均误差为1.2mm (范围:1.001.32mm).

结论:

• 经过验证的方法在实时肺瘤跟踪和补偿方面表现出高准确性和稳定性.
• 这种方法显着有望提高肺部皮肤透析活检的精度.