一个超声波信号引导的双阶段弱监督网络用于手术内质瘤定位和透边界识别,使用裸体鼠标模型

科学领域:

• 医疗成像医学成像
• 人工智能的人工智能
• 神经外科 神经外科

背景情况:

• 手术切除是质瘤的标准,但微观透很难在手术内检测到.
• 准确识别瘤边界对于手术成功和患者的治疗结果至关重要.

研究的目的:

• 利用超声波开发一种实时技术,在手术期间近似地质瘤透边界.
• 通过克服当前成像方法的局限性,提高外科准确性和患者的结果.

主要方法:

• 开发了一个由超声波信号引导的两阶段,时空特征感知,弱监督的网络.
• 第1阶段使用多约束学习对超声波射频信号的伪边界面具.
• 第二阶段采用跨任务强化来进行瘤分类和边界精细化,从而实现了注释效率高的定位.

主要成果:

• 该模型实现了高精度 (0.985) 和AUC (0.990) 瘤/正常框架差异化.
• 边界识别指标包括0.814的子系数和0.690.0的IOU.
• 该方法的瘤定位与病理学黄金标准紧密相匹配,性能优于手术前的MRI.

结论:

• 开发的方法可以准确地在手术期间定位质瘤,包括透边界和瘤大小.
• 这种超声波辅助方法为手术指导提供了可靠的解决方案,超过了手术前的MRI.
• 这些发现为未来的临床验证和整合到外科手术工作流程奠定了基础.