基于图像的识别和局部化变化在手术内脑瘤切除

科学领域:

• 医疗成像医学成像
• 人工智能的人工智能
• 神经瘤学神经瘤学

背景情况:

• 追踪脑瘤进展的传统方法假定一致的MRI扫描条件.
• 现实世界MRI数据通常会因为采集协议,扫描器设置或患者定位的变化而表现出协调问题.
• 这些不一致性使得准确的瘤进展评估变得复杂.

研究的目的:

• 开发一种基于图像的方法,用于识别和定位基线和后续MRI扫描之间的变化.
• 创建一种不需要独立注册或广泛预处理的方法.
• 增强在临床环境中随影像质量变化的瘤进展和回归的跟踪.

主要方法:

• 一个注册不变的语网络,利用扩展卷曲来学习长文本空间特征.
• 直接检测和定位来自输入图像的变化,使用学习的特征地图.
• 采用泛色利来增强变化地图中的高层结构和像素级差异.

主要成果:

• 拟议的方法在未注册的MRI扫描上识别和定位切除的瘤组织方面表现优于基线模型 (F1=0.64,IoU=0.57与基线F1=0.11,IoU=0.07).
• 在增强,噪声和错位条件下 (F1=0.55,IoU=0.45) 的性能保持稳健.
• 对空间不对齐有很强的耐受性,这是临床MRI中常见的问题.

结论:

• 开发的方法提供了一个强大的解决方案,用于跟踪脑瘤的进展和回归.
• 它有效地解决了MRI数据中的协调问题和空间错位.
• 为临床环境提供了一个有前途的工具,在临床环境中,可靠的图像注册并不总是可行的.