一个基于学习的创新框架用于瘤切除的自动化骨切除计划
Li Zhichao1, Wenqing Ren2, Xin Gao3
1Tsinghua University Department of Mechanical Engineering, Beijing, Beijing, 100084, CHINA.
Biomedical physics & engineering express
|September 1, 2025
概括
这项研究引入了基于学习的自动化瘤切除计划的新框架. 人工智能达到人类水平的性能, 从原始图像进行精确的手术计划,
科学领域:
- 神经外科
- 人工智能
- 医学成像
背景情况:
- 由于瘤恶性和患病率,瘤切除是复杂的,需要精确的骨切除计划.
- 目前的自动化规划方法没有明确的目标和几何约束来划定骨.
- 减少神经损伤,同时最大限度地去除瘤需要先进的骨切除策略.
研究的目的:
- 开发基于学习的创新框架,用于瘤切除中的自动化骨切除计划.
- 通过整合成像数据和专家演示来解决当前自动化方法的局限性.
- 为了确定最佳的骨形状,以加强外科手术.
主要方法:
- 使用强化学习 (RL) 模型整合手术前成像和专家演示.
- 纳入自主监督学习以量化隐性质瘤.
- 采用了切模式的编码方法,基于物理的模拟引擎和模仿学习.
主要成果:
- 已知切除参数的成功率为92.31%±3.85%.
- 在从原始手术前图像进行的端到端规划中,成功率为64.5%±5.87%.
- 这种方法在切术规划中达到人类水平的性能.
结论:
- 拟议的基于学习的框架显示了端到端自动化骨切割计划的巨大潜力.
- 这项研究为开发神经外科的智能决策支持工具提供了宝贵的参考.
- 这种人工智能驱动的方法有望提高质瘤切除手术的精度和结果.
