基于UNETR网络的细分和无膜隔壁结构的3D重建
Yupeng Han1, Chao Han1, ShengJun Ta1
1Department of Ultrasound, Hypertrophic Cardiomyopathy Center, Xijing Hospital, Fourth Military Medical University, Xi'an 710032, Shaanxi, China.
Applied bionics and biomechanics
|August 25, 2025
概括
在高性心肌病 (HOCM) 患者中,UNETR模型精确地对隔膜进行细分,使得皮肤内肌隔膜射频切除 (PIMSRA) 等手术的精确3D重建成为可能. 这种以人工智能为导向的方法提高了程序规划和患者的结果.
科学领域:
- 心血管成像
- 医学中的人工智能
- 医疗图像分割
背景情况:
- 穿皮肌内隔膜射频切除术 (PIMSRA) 为高性阻塞性心肌病 (HOCM) 提供隔膜切除术 (SM) 和酒精隔膜切除术 (ASA) 的替代方案.
- 准确的隔膜细分对于成功的PIMSRA至关重要.
- 目前的细分方法可能缺乏复杂的心脏解剖学所需的精度.
研究的目的:
- 评估使用UNETR神经网络模型在HOCM患者的心脏CT图像中自动细分隔膜自由壁结构的可行性.
- 根据人工智能驱动的细分结果评估使用可视化工具包 (VTK) 的3D重建方法的能力.
- 将UNETR的性能与MedSAM-2和UNET等其他细分模型进行比较.
主要方法:
- 使用MedSAM-2,UNET和UNETR模型对23名HOCM患者的心脏CT图像 (共700张图像) 进行了细分.
- 使用Labelme软件进行图像注释,训练,测试和验证的比例为6:2.
- 使用VTK的移动立方体算法进行3D重建的模型具有最高的子系数.
主要成果:
- 通过UNETR模型实现了0.89的Dice系数,超过了UNET (0.81) 和MedSAM-2 (0.83).
- 最佳的UNETR训练参数被确定为批量8和时代32.
- 使用UNETR细分结果的基于VTK的3D重建提供了与实际心脏结构密切匹配的表示.
结论:
- 在HOCM患者中,UNETR模型证明了室间隔膜自由壁的准确自动分割的可行性.
- 这些细分的基于VTK的3D重建是可行的,并提供了解剖学相关的模型.
- 这种基于人工智能的细分和重建方法有助于提高PIMSRA的规划和执行.
