在CT数据中自动检测下骨标志,使用双输入方法在两阶段设计中
Matthias Deitermann1, Tobias Pankert2, Srikrishna Jaganathan3
1Inzipio GmbH, Krantzstraße 7, Aachen, 52070, Germany; University of Stuttgart, Keplerstraße 7, Stuttgart, 70174, Germany.
Computer methods and programs in biomedicine
|October 14, 2025
概括
这项研究引入了一种自动化方法,用于识别3D头骨面CT扫描中的关键解剖标志. 这种新的方法显著提高了患者特定手术规划的准确性和速度.
科学领域:
- 医疗成像医学成像
- 计算机辅助手术 计算机辅助手术
- 人工智能在医学中的应用
背景情况:
- 在3D头骨面外科手术中手动地标识别是耗时且可变的.
- 自动化解决方案通常依赖于不那么精确的二维脑图.
- 精简的数字化手术前规划对于现代头骨面外科手术至关重要.
研究的目的:
- 开发和验证一个自动化管道用于下地标定位使用3DCT成像.
- 解决手动地标识别在患者特异性手术规划中的局限性.
- 为了提高头骨面外科手术工作流程的准确性和效率.
主要方法:
- 利用卷积神经网络,特别是3D U-Net架构,用于标志的多标签细分.
- 实施了两阶段粗细的方法来处理数据异质性并保持分辨率.
- 在第二阶段引入了一种新的双输入架构,将CT数据和下细分用于增强的几何先验.
主要成果:
- 在测试数据集上实现了1.40±1.04mm的平均绝对误差,用于基准预测.
- 证明了高的成功率,准确预测了99.6%的所有地标.
- 该方法是在287次CT扫描的临床数据集上开发和测试的.
结论:
- 拟议的自动化方法为下地标定位提供了高精度,稳定性和速度.
- 这项技术显示出将其整合到临床工作流程中的巨大潜力.
- 允许在头骨面外科手术中更有效,更精确的针对患者的手术规划.
