3D 胰腺癌和周围的解剖结构的自行细分,用于外科计划
Jinsoo Rhu1, Namkee Oh1, Gyu-Seong Choi1
1Department of Surgery, Samsung Medical Center, Sungkyunkwan University School of Medicine, Seoul, Korea.
International journal of surgery (London, England)
|June 27, 2025
概括
深度学习模型在CT扫描上准确地对胰腺癌和周围结构进行细分,有助于手术规划. 这种人工智能工具在3D可视化和临床研究应用中表现出强大的性能.
科学领域:
- 医疗成像医学成像
- 人工智能的人工智能
- 在瘤学瘤学.
背景情况:
- 胰腺癌手术规划需要准确地划分瘤和周围的解剖学.
- 目前的细分方法可能耗时且依赖运营商.
- 深度学习为自动化和精确的细分提供了潜力.
研究的目的:
- 开发和验证一种基于深度学习的胰腺癌和周围胰腺结构的自分化模型.
- 利用计算机断层扫描 (CT) 扫描来改进外科手术规划.
- 评估模型在多个机构的表现.
主要方法:
- 一个层次化的Swin变压器V2模型被实施用于细分.
- 使用了275名患者的手术前对比度增强CT扫描.
- 数据被分为培训,内部验证和外部验证集.
- 细分业绩使用子相似系数 (DSC) 和定性评估进行了评估.
主要成果:
- 该模型实现了75.4% (内部) 和75.6% (外部验证) 的平均DSC.
- 在胰腺副体 (DSC ~85%) 和主要血管 (97.5%-100%) 观察到高精度.
- 胰腺癌细分的准确性较低 (DSC ~55-57%),较大的瘤的得分增加.
结论:
- 开发的深度学习模型在胰腺癌和相关结构的自细分方面表现出强大的性能.
- 该模型对3D可视化具有前景,并有可能用于临床研究应用.
- 对该模型的进一步改进可以提高其在手术规划和患者护理中的实用性.
