使用人工智能和图像表示标志的自动Couinaud细分

科学领域:

• 医疗成像医学成像
• 手术规划 手术规划
• 人工智能在医学中的应用

背景情况:

• 准确地划分库伊诺段对于肝脏手术和监测至关重要.
• 传统的分段划分方法是劳动密集型的,容易变化.
• 现有的自动化方法往往缺乏准确性或需要大量的后处理.

研究的目的:

• 开发和评估一个新的框架,用于精确的Couinaud分段本地化和体积估计.
• 将基于深度学习的细分与个性化肝脏模型的里程碑识别相结合.
• 为了提高肝脏解剖学评估的准确性和效率,用于手术应用.

主要方法:

• 开发了一个结合深度学习细分和辅助地标识别的框架.
• 为了准确地定位Couinaud地标,创建了一个个性化的图像模型.
• 该系统在225个非对比的T1加权MRI上进行了评估,与基准技术和实地真相相比.

主要成果:

• 拟议的个性化模型在里程碑位置和细分体积估计方面明显优于基准方法.
• 在5/8地标和7/8Couinaud段中观察到优异的性能.
• 该框架在解剖学划线方面表现出更高的准确性.

结论:

• 开发的系统是可解释的,模态不可知的,并且在不需要重新训练的情况下对新数据具有稳定性.
• 它为各种临床环境提供了增强的可扩展性.
• 该框架有可能显著提高Couinaud的准确性,简化工作流程,并优化肝脏手术规划和监测.