通过直接缺陷形状预测和其比较研究,基于深度学习的自动部植入物设计
Afaque Rafique Memon1,2,3, Haochen Shi1, Tarique Rafique Memon4
1School of Mechanical Engineering, Shanghai Jiao Tong University, Shanghai, China.
Medical & biological engineering & computing
|May 2, 2025
概括
头骨植入物设计的自动化工作流程使用深度学习来预测缺失的骨形状,大大减少了头骨缺陷的治疗时间. 这种方法提供了一个方便的替代手工设计过程.
科学领域:
- 医疗工程 医疗工程
- 人工智能在医学中的应用
- 神经外科 神经外科
背景情况:
- 由于创伤或手术造成的头骨缺陷,需要使用头骨植入物进行重建手术.
- 针对患者的头骨植入物的手动设计是一个耗时的过程,会影响整体治疗的持续时间.
- 自动化植入物设计对于提高重建性手术的效率和患者的治疗结果至关重要.
研究的目的:
- 建议和评估部植入物设计的自动化工作流程.
- 为了利用深度神经网络来直接预测缺失的头骨段的形状.
- 通过后处理步骤完善自动化设计过程,并评估其临床适用性.
主要方法:
- 开发了一个深度神经网络,用于直接预测部缺陷区域的形状.
- 应用了传统的后处理技术来完善生成的植入物形状.
- 使用交叉验证来评估自动化设计的准确性.
- 为3D Slicer创建了一个插件,以实现最终用户的工作流.
主要成果:
- 自动化工作流实现了0.81的平均子相似度得分和0.81.81的边界子相似度得分.
- 豪斯多夫距离的第95个量度平均为3.01毫米,表明表面精度很好.
- 与手动部植入物设计相比,提出的方法证明了方便和效率.
结论:
- 开发的基于深度学习的工作流程有效地自动化了部植入物设计.
- 自动化系统提供精确的植入物形状预测和精细化.
- 3D Slicer插件有助于临床医生和研究人员采用和使用这项技术.
