基于3D照片的软组织预测,用于虚拟手术,规划整形手术
Bo Berends1, Freek Bielevelt1, Frank Baan1
1Radboudumc 3D Lab, Radboud University Medical Center, Geert Grooteplein Zuid 10, 6525 GA, Nijmegen, the Netherlands.
Computers in biology and medicine
|June 12, 2025
概括
这项研究引入了一种深度学习方法,用于实时预测面部软组织在整形手术后的变化. 人工智能模型实现了临床相关的准确性,有助于手术规划.
科学领域:
- 生物医学工程 生物医学工程
- 计算机科学 计算机科学
- 整形外科 整形外科 整形外科
背景情况:
- 在手术前的3D软组织模拟指导了部在整形手术中的移位.
- 准确预测面部软组织的结果对于提高患者的美学效果至关重要.
研究的目的:
- 开发和验证一种深度学习 (DL) 方法,用于实时预测手术后面部软组织变化的情况.
- 为了评估DL模型在各种正视手术中的准确性.
主要方法:
- 一种基于DL的方法是使用458名患者的3D照片来开发的.
- 该方法整合了可变形模型,主要组件分析和前神经网络.
- 预测准确度是通过预测和实际术后软组织之间的表面距离来衡量的.
主要成果:
- 该DL网络在0.02秒内生成预测.
- 在所有手术类型中,平均预测准确度为1.17 ± 0.49毫米.
- 区域准确度各不相同,鼻子达到0.55 ± 0.23毫米,下巴达到1.60 ± 0.96毫米.
结论:
- 基于DL的方法显示了面部软组织变化的实时预测在整形手术中的潜力.
- 开发的方法实现了临床相关的准确性,与现有的DL技术相美.
- 这项技术可以帮助外科医生规划和可视化手术结果.
