开发解剖学精确的数字器官模型,用于手术模拟和训练

科学领域:

• 医疗模拟 医疗模拟
• 计算解剖学的计算解剖学
• 外科手术培训技术 技术

背景情况:

• 手术的进步需要现实的解剖学训练环境.
• 目前用于创建解剖数据集的方法可能耗时且昂贵.

研究的目的:

• 开发一个高效的开源系统,用于生成准确的解剖学数据集,用于外科模拟.
• 为了使医疗专家能够积极参与改进用于培训的解剖数据.

主要方法:

• 使用了AutoSegmentator (nnU-Net) 来自动从DICOM数据中提取器官.
• 集成的3D切片器和混合器与自定义的Python脚本用于数据处理和手动改进.
• 生成3D表面数据 (STL) 并将其与共享3D空间中的DICOM衍生图像对齐.

主要成果:

• 成功提取了104个器官的表面数据,允许手动调整和添加.
• 创建了一个可定制的解剖学数据集,适用于各种手术模拟类型 (3D打印,AR).
• 该系统利用开源软件,确保可复制性和可访问性.

结论:

• 开发的系统显著提高了用于手术模拟的解剖数据集创建的准确性和效率.
• 这种方法减少了开发时间和成本,促进了更广泛地采用先进的外科培训工具.
• 授权医疗专业人员直接为创建量身定制的外科模拟资源做出贡献.