开发和验证一个框架,以三维跨直肠超声波的全山根性前列腺切除组织病理学注册的框架
Auke Jager1,2, Marije J Zwart3,4, Arnoud W Postema5
1Department of Urology, Amsterdam UMC location Vrije Universiteit Amsterdam, De Boelelaan 1117, Amsterdam, the Netherlands. a.jager1@amsterdamumc.nl.
BMC urology
|April 2, 2025
概括
这项研究提供了一个框架,用于精确地记录3D跨直肠超声波 (TRUS) 到急性前列腺切除标本 (RPS) 病理,这对于开发诊断成像中的AI至关重要. 该方法实现了平均目标记录误差为3.5毫米.
科学领域:
- 医学成像医学成像
- 人工智能的人工智能是人工智能.
- 病理学信息学 病理学信息学
背景情况:
- 人工智能 (AI) 需要可靠的数据集来改善诊断成像.
- 准确的成像到病理学记录对于数据集创建至关重要.
- 这项研究的重点是将3D跨直肠超声波 (TRUS) 注册到急性前列腺切除标本 (RPS) 病理.
研究的目的:
- 提出一个全面的框架,用于注册3DTRUS到RPS病理学.
- 为了使人工智能辅助的诊断成像模式的开发和验证.
- 建立一种可靠的方法来创建用于前列腺癌成像中的AI数据集.
主要方法:
- 采用了四个步骤的过程,包括图像细分,RPS病理的3D重建,注册和地面真相计算.
- 这项研究包括了接受3D TRUS和激进前列腺切除术的患者.
- 使用基于可见地标的目标注册错误 (TRE) 评估了准确性.
主要成果:
- 分析了20组3D TRUS和RPS病理学数据.
- 平均目标登记误差 (TRE) 为3.5毫米 (范围:0.45.4毫米).
- 方向TREs为2.5毫米 (顶部-底部),1.1毫米 (左右) 和1.4毫米 (后部-前部).
结论:
- 拟议的框架实现了前列腺病理和成像之间的精确记录.
- 该方法有可能在不同的成像模式和器官中得到更广泛的应用.
- 未来的工作应该集中在对细分的自动化上,以提高可重复性和可扩展性,并承认小样本大小和手动细分的当前局限性.
