支气管镜术中的基于视觉的自动辅助工具:狭窄症严重程度估计

科学领域:

• 医疗成像医学成像
• 计算病理学计算病理学
• 呼吸道疾病 呼吸道疾病

背景情况:

• 喉下狭窄 (SGS) 是声带以下的气道狭窄,通过主观视觉检查或CT扫描来诊断.
• 目前的SGS诊断方法缺乏客观性和一致性,并且无法使用自动化工具进行支气管镜视频分析.
• 需要可靠的,自动化的方法来评估从内镜手术中 subglottic 狭窄症的严重程度.

研究的目的:

• 开发和验证一个自动化的管道,用于估计从支气管镜视频下喉狭窄症的严重程度.
• 为SGS评估提供一种非侵入性,客观和可重复的方法,而不需要医生穿过狭窄区域.
• 建立第一个公共基准数据集,用于评估下狭窄症的严重程度.

主要方法:

• 一个新的管道利用内镜中的照明下降效应,从单个视频中分割和跟踪气道光线.
• 从细分的光线重建一个3D气道模型,以定量测量气道狭窄.
• 该方法被评估在一个新创建的 Subglottic Stenosis 数据集上,包括现实世界的支气管镜手术.

主要成果:

• 自动化管道实现了对 subglottic 狭窄的强大和一致的严重性测量.
• 结果显示,与CT扫描和专家视觉评估的基准真相估计有很强的一致性.
• 该方法在同一患者的多个估计中显示出可靠的可重复性,验证了其一致性.

结论:

• 仅使用支气管镜视频数据进行自动化支气管下狭窄症严重程度评估是可行的.
• 这种方法可以显著帮助诊断和监测,提供自动,可重复的估计,并减少手术时间和辐射暴露.
• 囊下狭窄症数据集和基准标准的发布为未来对气道狭窄症评估研究提供了宝贵的资源.