一种基于数据的方法,用于实时软组织变形预测,使用非线性手术前模拟
Haolin Liu1, Ye Han1, Daniel Emerson1
1Department of Mechanical Engineering, Carnegie Mellon University, Pittsburgh, Pennsylvania, United States of America.
PloS one
|April 14, 2025
概括
这项研究引入了一种新的方法,通过使用信任标记跟踪和神经网络预测软组织变形,精确地记录手术前的3D模型与手术内超声数据,改进外科指导.
科学领域:
- 医学成像医学成像
- 计算解剖学的计算解剖学
- 手术机器人手术机器人手术机器人手术机器人
背景情况:
- 术前高保真成像 (MRI,CT) 提供详细的3D模型,用于最小侵入性手术规划.
- 术前软组织变形可能导致术前模型和实时超声数据之间存在重大不匹配,从而损害了手术的准确性.
- 准确的注册手术前模型与手术内数据对于有效的图像引导手术至关重要.
研究的目的:
- 开发一种快速而准确的方法来预测手术内软组织变形.
- 为了能够精确地记录高准确度的手术前模型与低准确度的手术内超声波图像.
- 提高图像引导的微创手术的可靠性和成功率.
主要方法:
- 使用信托标记物位移来预测3D软组织变形的新方法.
- 有限元法 (FEM) 在各种边界条件下生成现实的变形场.
- 自动编码神经网络,以减少变形场的维度,并将标记器位移映射到潜空间.
主要成果:
- 拟议的方法准确地预测了手术内软组织变形,预测误差低至0.5毫米.
- 该系统展示了快速的预测时间,每个预测时间不到0.5秒.
- 在头部和部瘤,脏和大动脉模型上的计算测试验证了该方法的有效性.
结论:
- 开发的方法提供了一个临床相关的解决方案,用于在图像引导手术期间准确跟踪软组织变形.
- 快速准确地记录手术前和手术内数据可以显著改善外科手术的结果.
- 这种方法有可能提高微创手术程序的安全性和有效性.


