在乳腺切除术中切除的骨体积的自动预测
Nimesh V Nagururu1,2, Hisashi Ishida2, Andy S Ding1
1Department of Otolaryngology-Head and Neck Surgery, Johns Hopkins University, Baltimore, Maryland, USA.
概括
这项研究引入了一种深度学习方法,用于预测乳腺切除术期间的骨移除,为患者提供特定的外科指导. 人工智能模型在近似手术终点,协助培训和计算机辅助手术方面表现有前途.
科学领域:
- 神经外科 神经外科
- 医疗成像医学成像
- 人工智能的人工智能
背景情况:
- 乳腺切除术的骨体积对于手术的成功和安全至关重要.
- 预测骨移除有助于外科培训和先进干预.
研究的目的:
- 开发一种深度学习管道,用于自动预测在乳腺切除术期间移除的骨体积.
- 为了评估人工智能驱动的预测与实际手术结果的准确性.
主要方法:
- 使用VR乳腺切除模拟数据创建了一个深度学习管道.
- 数据集包括15个骨CT扫描.
- 通过交叉验证,使用子得分 (DSC) 和豪斯多夫距离 (HD) 评估模型性能.
主要成果:
- 该方法实现了0.775的DSC中位数和0.492mm的HD中位数.
- 在80%的病例中,预测成功地确定了关键的外科终点.
- 定性分析显示了通常现实的,虽然偶尔不准确的,骨移除预测.
结论:
- 深度学习为预测乳腺切除术中的骨体积提供了一种可行的方法.
- 目前的模型提供了一个合理的近似的手术终点.
- 进一步的改进需要更大的数据集和先进的模型架构.
