自动细分和重建下肢动脉从计算机断层扫描血管图像通过深度学习框架的自动细分和重建
Xiang Liu1, Huijun Hu1, Guoxiong Lu1
1Department of Radiology, Sun Yat-sen Memorial Hospital, Sun Yat-sen University, Guangzhou, China.
Quantitative imaging in medicine and surgery
|November 10, 2025
概括
一个人工智能 (AI) 模型,LEAS-Net,自动从CT血管学 (CTA) 图像中重建下肢动脉. 这种人工智能工具显著减少了重建时间,并改善了图像质量,用于计划免费的皮肤移植.
科学领域:
- 医学成像分析分析 医学成像分析
- 医学中的人工智能
- 血管的重建 血管的重建
背景情况:
- 术前计算机断层扫描血管造影 (CTA) 对于在口腔和面瘤患者中计划免费皮肤移植至关重要.
- 从CTA图像中对下肢动脉缺乏自动化的3D重建工具是一个挑战.
- 这项研究解决了利用CTA数据进行高效准确的3D动脉重建的需求.
研究的目的:
- 开发和验证人工智能 (AI) 模型,用于自动3D重建下肢动脉.
- 使用3D卷积神经网络 (CNN) 来从CTA图像中精确地分离动脉.
- 提供人工智能驱动的解决方案,以提高重建性外科手术的手术前规划.
主要方法:
- 对1,201个下肢CTA数据集进行了回顾性研究.
- 开发了一个基于深度学习的三阶段架构的下肢动脉细分网络 (LEAS-Net).
- 使用Dice相似系数,中线Dice系数 (clDice),图像质量得分和与放射科医生进行重建时间比较来评估性能.
主要成果:
- LEAS-Net在分隔大型和小型穿孔器皿 (Dice/clDice > 0.65) 中表现出高准确度.
- 与人类放射科医生相比,人工智能模型在下肢动脉重建方面实现了优越或可比的图像质量.
- 与手动细分相比,LEAS-Net显著减少了9.7至22倍的重建时间.
结论:
- 开发的LEAS-Net作为一个有效的AI工具,可以从CTA图像中重建下肢动脉.
- 这种人工智能模型有助于在口腔和面外科手术中改进穿孔板移植的规划.
- 使用人工智能的自动化3D动脉重建可以提高手术规划的效率和准确性.
